이어샷

이어샷은 코딩 에이전트에게 귀를 달아 주는 오픈소스 도구로, 에이전트가 만든 효과음이나 영상 속 소리를 듣고 어떤 소리인지 설명한 뒤 점수와 고칠 점을 돌려준다. 소리를 코드로 만들 수는 있어도 들어 볼 수 없던 에이전트가 결과를 의도대로 다듬을 때 쓰며, GPU 없이 CPU만으로 내 컴퓨터에서 돌아간다.

두 모델이 나눠서 듣는다

분석은 두 갈래로 이뤄진다. 한쪽은 소리를 이미지 같은 스펙트로그램으로 바꿔 길이나 크기 같은 물리적인 값을 잰다. 다른 쪽(CLAP)은 '짧게 유리 깨지는 소리' 같은 글 설명과 오디오가 얼마나 맞는지 비교하고, 다르게 들릴 수 있는 해석도 함께 내놓는다. 그래서 파일 이름이나 자막이 아니라 실제 소리를 근거로 판단한다.

에이전트 루프에는 MCP 서버로 붙인다

쓰는 방법은 CLI, Python API, MCP 서버 세 가지다. 소리를 한 번만 확인할 때는 CLI로 충분하다. 에이전트가 계속 만들고 고치는 작업이라면 MCP 서버를 띄워 두는 편이 낫다. 서버가 계속 켜져 있어서 호출할 때마다 모델을 다시 불러오느라 기다리지 않아도 된다.

흐름은 이렇다. 에이전트가 효과음 코드를 짜서 렌더링하면, 이어샷이 점수와 구간별 문제점을 돌려준다. 에이전트는 그걸 보고 코드를 고친 뒤 다시 듣게 한다. 사람이 매번 들어 보지 않아도 1차 검수가 돌아간다.

쓰기 전에 알아 둘 점

소리 작업의 1차 검수를 에이전트에게 맡긴다

가장 흔한 방식은 코딩 에이전트의 검수 도구로 붙여 두는 것이다. 에이전트가 소리를 만들 때마다 이어샷으로 들어 보게 하고, 사람은 마지막에 통과한 결과만 직접 들어 확정한다.