https://github.com/andrewfader/blokkily —— andrewfader 的实验性 DAW。差点关掉。这种“AI 做音乐”的仓库我见得太多了，十个有八个是“用嘴写歌”的演示，接个 ChatGPT 就敢说自己是 AI 宿主。关之前扫到 MCP 两个字，我又留下来了。
读到 README 里 MCP 桥接层那段我才确认这条值得推。作者给 agent 的出口不是生成音符序列，是读回渲染结果，测响度、真峰值、频段能量。这个细节不点开看不到。
就是这里让我觉得这项目跟那些“AI 作曲助手”不在一个层面上。音频圈的 vibe coding 最容易翻车的不是生成不出来，是 agent 说“好了”，你信了，但其实它跑飞到哪里去了你根本没听。作者给 agent 一个客观测量的出口，等于让它自己知道自己跑飞了没。生成音符是“看起来对”，测响度是“测出来是这样”。这个区别我不用多解释，给 agent 接过音频 API 的人都懂。
顺手跑了一下，没跑成。我按 README 的构建说明核对环境，前提依赖：
CMake >= 3.25
Qt >= 6.5
FluidSynth
RtAudio / RtMidi / libsndfile / libsamplerate
Rubber Band 4 (pkg-config)
libjack (Linux)
卡在 Rubber Band 版本，机器上还停在 3.x，pkg-config 过不了。不是项目问题，是我的环境。先挂着，等我把 Rubber Band 升了再补一条真跑起来的记录。这条暂时只能算“只读了仓库和文档”，不能算验证过。但即便只读了文档，MCP 桥接层的设计也能看出活儿。那条“agent 请求生成之后可以读回渲染结果做测量”的链路是写在 README 里的，不是我自己从代码里翻出来的——作者自己知道这件事重要，才会把测量步骤放进 MCP 工具集合里。
和 AI 没关系的地方也有一个该说的：同一个 pattern 可以同时用 tracker、钢琴卷帘、步进网格三种视图编辑。不是“支持三种界面”，是同一个数据三种视图。你在步进网格改一个概率触发，钢琴卷帘里同一个 pattern 立即反映出来。这种编辑模型设计，没 AI 的时候也值得点开。作者明显是先想清楚了编辑模型，再往上接 agent 的，而不是反过来为了蹭 AI 硬套一个宿主外壳。
license 这事我也记下了。warp 功能链接了 Rubber Band，GPL v2 及以后，作者在文档里写清楚：除非买商业授权，否则带 warp 的 Blokkily 二进制同样受 GPL 约束。这种“明明可以模糊带过、偏要自己写清楚”的地方，比功能列表还让我信任。开源项目最怕 license 含糊，这个作者倒是把传染链画明白了——用 Rubber Band 做时间拉伸会传染，买了商业授权就另说，链路清楚。这跟给 agent 加确认机制是同一类人干的事，先想清楚边界，再写代码。
内置 LLM 作曲助手那部分也克制得可以。agent 生成乐句，提案要用户确认才应用，每次生成占一步撤销。配上工程里带命名的版本保存和一步撤销式还原，等于给 agent 套了个防手滑的栅栏——它跑乱了你可以回滚到确认过的那版，不是直接写烂在工程里。这个设计思路和音频测量出口是连着的：agent 有操作的权力，也有被约束和检查的路径，不会让你在“它到底改了哪、改成什么样了”这件事上睁眼瞎。这比“一键生成整首”负责得多。
CI 那边有个细节让我确认作者是真有测试习惯的。macOS 和 Windows 的测试会打开真实窗口、加载测试用 CLAP 和 VST3 编辑器，回读像素来验证界面。Retina 和高 DPI 没验证，作者也直说。不吹支持多少插件，不贴“通用兼容”的标签，真跑过、没测到的也写出来。
还有开箱那件事。新建会话还没加载乐器时，默认用系统 SoundFont，优先 General MIDI 音色库。开源 DAW 的经典死法——开局没声、用户不知道配什么音源——它第一次启动就避开了。做过音频软件的人知道这细节多值钱，它决定用户会不会在十分钟内关掉。这些跟 AI 没半毛钱关系，但合在一起就是一个信号：这项目先把宿主的基础工作做扎实了，再谈 agent。
作者那个演示还算说明问题。agent 走 MCP 驱动，用 YANES 和 FUZZBOI 两个 CLAP 合成器做芯片音乐。是操控运行中的实例，不是离屏渲染一段波表再拼起来给你看。另外带一个 blokkily_cli，可以无界面跑调度器演示，等于给 agent 留了不用开 GUI 的入口。这个入口对想跑自动化的人有用——不用苦等界面唤起，headless 环境也能验证链路。
这条我推，不是因为它功能多全能打，是它把“AI 做音乐”往下挖了一层，是挖到“你生成出来了，但你真知道它响不响、响成什么样吗”这一层。83 个 star 对它来说太少，但这个思路不点链接也能带走一句：给 agent 接音频工具，光给 API 不够，得给它一个能测渲染结果的出口，否则它说“好了”你信不了。