Claude Code 에이전트가 사운드를 직접 듣고 평가하는 로컬 MCP 도구 'earshot'

AI 코딩 에이전트가 제품 런치 비디오 전체를 코드로 빌드할 만큼 발전했음에도, 결과물에 삽입되는 효과음(SFX)은 여전히 조악하거나 부자연스러운 수준에 머무르는 경우가 많았습니다. 에이전트가 사운드를 만드는 코드를 작성할 수는 있어도, 소리가 어색하거나 조악한지 판단할 수 있는 '청각'이 없었기 때문입니다.

2026년 10월 16일, 개발자 리온 린(Leon Lin, @LexnLin)이 AI 코딩 에이전트에게 청각 피드백 루프를 제공하는 로컬 MCP(Model Context Protocol) 도구 'earshot'을 공개했습니다.

이미지 출처: @LexnLin / X

earshot은 Claude Code 등 주요 AI 코딩 에이전트와 연동되어 사운드 효과를 탐색·매칭하고, 생성된 오디오를 직접 청취해 점수화하며, 코드를 자체 수정해 소리를 점진적으로 개선할 수 있도록 지원하는 사운드 디자인 도구입니다.

로컬 CPU 기반 구동과 사운드 분석·시각화 인터페이스

earshot의 기술적 특징은 고성능 외장 GPU나 외부 클라우드 인프라에 의존하지 않고 사용자의 로컬 CPU 환경에서 직접 실행된다는 점입니다. 이를 통해 로컬 터미널 작업 흐름 내에서 에이전트가 즉각 사운드 분석을 수행할 수 있습니다.

earshot이 에이전트에게 제공하는 주요 기능은 다음과 같습니다.

• 사운드 효과 매칭 및 검색: 장면에 어울리는 효과음(SFX)의 특징을 서술하거나, 기존 사운드 라이브러리에서 적합한 오디오를 탐색하고 매칭합니다.
• 사운드트랙 시각화 페이지: 오디오 트랙 전체의 파형과 시간대별 배치를 시각적으로 검토할 수 있는 전용 사운드트랙 뷰를 제공합니다.
• 점수 및 타임스탬프 기반 비평: 사운드의 어색한 구간을 특정 타임스탬프 단위로 짚어내고, 품질 점수와 함께 구체적인 기술적 수정 방향을 피드백합니다.

earshot forge: 청취·채점·코드 재작성의 생성 루프

earshot에 내장된 'earshot forge' 기능은 에이전트가 사운드 생성 코드를 작성한 뒤, 스스로 듣고 평가하여 코드를 고쳐 쓰는 자가 개선 루프(Listen-Score-Rewrite Loop)를 구현합니다.

단발성 오디오 생성과 달리, forge 환경에서 에이전트는 다음과 같은 반복 프로세스를 수행합니다.

1. 사운드 생성 코드 작성: 에이전트가 사운드를 생성하는 코드를 작성합니다.
2. 오디오 청취 및 평가: 렌더링된 사운드를 earshot을 통해 에이전트가 직접 듣고 분석합니다.
3. 품질 채점 및 피드백: 음향의 불균형이나 조악한(cheap) 요소를 점수화하고 개선점을 도출합니다.
4. 코드 재작성 및 반복: 도출된 피드백을 바탕으로 코드를 수정하며, 만족스러운 수준에 도달할 때까지 이 과정을 자동으로 반복합니다.

또한 forge는 블라인드 테스트만으로 발생할 수 있는 왜곡을 방지하기 위해 생성된 합성 사운드를 실제 녹음본과 교차 비교 대조하는 기능을 지원합니다. 개발자 리온 린이 실제 녹음본과 코드로 생성된 사운드 15쌍을 대상으로 진행한 블라인드 청취 테스트에서 8회를 맞혔다고 밝혔으며, 이는 코드 기반 생성 사운드가 실제 음향과 구분하기 어려울 정도로 유의미한 수준에 도달했음을 보여줍니다.

Claude Code MCP 연동 방법과 적용 시 고려사항

earshot은 표준 MCP 인터페이스를 준수하므로 Claude Code 환경에서 명령어 한 줄로 즉시 연동할 수 있습니다. 터미널에서 다음 명령어를 실행하면 로컬 MCP 서버가 등록됩니다.

claude mcp add earshot -- python -m earshot mcp

아울러 저장소 내에는 라이선스를 갖춘 실제 녹음본을 활용해 정교한 사운드트랙을 제작할 수 있는 전용 에이전트 스킬(skill)도 함께 제공됩니다.

다만 도구 도입 시 다음과 같은 기술적 한계와 초기 단계 특성을 고려해야 합니다.

• 주관적 취향(Taste) 판단의 한계: earshot은 기술적 파라미터와 음향 매칭을 분석하지만, 인간의 주관적 감각 및 음악적 취향을 대체하지는 못하며 최종 검수는 인간 작업자의 몫입니다.
• 초기 모델 한계와 합성 효과음 중심: 현재 음향 모델이 아직 최고(peak) 상태는 아니며, 런치 비디오 등의 코드 기반 합성 효과음과 라이선스 녹음본 활용 사운드트랙에 중점을 두고 있습니다.
• 초기 데모 단계: 개발자가 커뮤니티 피드백을 반영해 지속적인 기능 개선을 예고한 초기 데모 단계로, 향후 추가 업데이트가 예정되어 있습니다.

출처

• Leon Lin (@LexnLin) 공식 X 발표: Introducing earshot - ears for AI coding agents