earshot: локальний MCP-сервер, що дає кодовим агентам вуха
Створено 15 жовтня, ліцензія MIT, 679 зірок на момент перевірки 18 жовтня: earshot описує звук словами, оцінює відповідність звуку опису, знаходить момент у довгому записі, розбирає звук фільму за професійними еталонами і синтезує ефекти кодом. Працює локально на CPU як CLI, Python API і MCP-сервер. Я прочитав репозиторій і LICENSE; не встановлював.
Факти перевірено 18 жовтня 2026
earshot це новий відкритий інструмент Леона Ліна, створений на GitHub 15 жовтня 2026, який дає кодовим агентам спосіб міркувати про звук. Він описує словами, як звучить аудіофайл, оцінює відповідність звуку опису, знаходить момент усередині довгого запису, розбирає звук фільму за сема професійними лонч-роликами і вміє синтезувати ефекти кодом через earshot forge. Працює локально на CPU і постачається як CLI, Python API і MCP-сервер. Ліцензія MIT, я прочитав її в репозиторії. Я нічого не встановлював і не запускав. Репозиторій
Що він робить
README прямо називає прогалину: агенти вже вміють писати код, що рендерить фільм, демо продукту або гру, але не чують, що зробили. earshot перетворює звук на доказ, про який агент може міркувати. Задокументовані команди: earshot describe будує словесну картину з виміряними атакою, загасанням, піком і яскравістю; earshot match оцінює файл проти опису з z-оцінками за словником з 322 описів; earshot find знаходить відповідні моменти в довгому запису; earshot critique оцінює фільм за сема професійними еталонами і повертає список «лагодити насамперед».
Два генеративні напрями замикають петлю. earshot forge синтезує звукові ефекти кодом, а earshot fit перекладає запис у код, який агент може варіювати. Сторонній огляд повідомляє, що fit з'явився у v0.2 16 жовтня; самі команди я підтвердив у README, але дату версії перевірити не зміг, тож вважайте її повідомленою, а не підтвердженою.
Налаштування MCP, як задокументовано
README дає встановлення одним рядком для Claude Code: claude mcp add earshot --scope user -e EARSHOT_THREADS=3 з Python із віртуального середовища проєкту, що запускає -m earshot mcp, або еквівалентний блок у .mcp.json будь-якого клієнта. Моделі завантажуються при першому виклику і лишаються теплими, це триває приблизно 20-40 секунд, і README радить на слабкій машині запускати Claude Code з MCP_TIMEOUT=60000.
Заявлені вимоги до заліза скромні: все працює локально на CPU. Репозиторію три дні і в нього один автор. На момент перевірки 18 жовтня там 679 зірок і 39 форків. Нові репозиторії можуть швидко набирати зірки з причин, не пов'язаних з використанням, тож вважайте лічильник назвою для спостереження, а не рекомендацією.
Приватність і обмеження
Ключова для приватності обіцянка це локальне виконання: інструменти аналізу працюють на вашому CPU, тож аудіо не мусить покидати машину для describe, match, find або critique. У встановлюваних екстрах є необов'язкова група llm; я не відстежував, чи надсилає цей шлях щось у мережу, тому заяву про локальність перевірено лише для основних інструментів.
Друге чесне обмеження це підтримка: один автор, створено 15 жовтня, нуль відкритих issues, бо проєкту кілька днів. Ліцензія MIT дозволяє все, включно з ремонтом власними руками, що для такого молодого інструмента важливіше, ніж зазвичай.
Чому ця категорія важлива
Патерн, який варто помітити, це замикання сенсорної петлі. Скриншот-інструменти дозволяють агентам бачити свій UI; earshot це той самий хід для звуку: згенерувати, прослухати, оцінити, полагодити, все всередині міркування агента. Демо-фільми, ігри та продуктові відео це рівно те місце, де кодові агенти продукували німий, неперевірений звук.
Якщо підхід витримає, чекайте родину сенсорних інструментів для агентів: маленькі локальні CPU-оцінювачі, що перетворюють нетекстовий вивід на текст, на який агент може реагувати. Форма MCP-сервера означає, що будь-який клієнт, що говорить протоколом, отримує можливість безкоштовно.
Задокументована поверхня MCP і CLI
# .mcp.json (any MCP client), adapted from the README:
{
"mcpServers": {
"earshot": {
"command": "/path/to/earshot/.venv/bin/python",
"args": ["-m", "earshot", "mcp"],
"env": { "EARSHOT_THREADS": "3" }
}
}
}
# CLI examples quoted from the README:
earshot describe enter.ogg
earshot match key.ogg "a deep thocky mechanical keyboard press"
earshot find keys.ogg "a single mechanical key press" --top 4
earshot critique film.mp4
# On a slow machine: MCP_TIMEOUT=60000 - models load on first call (20-40 s).