Preloop

Name: Preloop
Author: preloop

von preloopVersion 0.17.1i★ –iLäuft in der Cloud

Name in der Registryio.github.preloop/preloop

Installieren

Überblick

Beschreibung vom Entwickler (englisches Original)

Open-source AI agent control plane and software factory: govern every tool and model call.

Die drei Säulen von PopNx MCP

Diese drei werden nie zu einer Punktzahl zusammengefasst: Meinungen, Messungen und Beliebtheit sind verschiedene Dinge.

Stimmen der NutzeriNoch keine BewertungenBewertungen starten in einem späteren Schritt zusammen mit Benutzerkonten
Unsere Basischecksi1 von 1 bestandenAnhand öffentlicher Informationen geprüft; Code noch nicht gescannt
NutzungiNoch nicht gemessen★ –

Was du damit machen kannst

Für diesen Server haben wir noch keine Zusammenfassung in einfacher Sprache geschrieben. Unten stehen die Fakten, die wir aus der Registry gelesen haben.

Verbindung: Läuft in der Cloud
Transport: Streamable HTTP
Kategorie: Sonstiges
Das musst du eintragen: Authorization

Installation

Wähle die KI-App, die du nutzt, und kopiere die Einstellungen.

Bevor du installierst

Basischecks: 1 von 1 bestanden
Läuft auf dem Server des Entwicklers: Was du fragst, läuft über dessen Server.
Das trägst du selbst ein: Authorization

Als geheim markierte Werte sind Schlüssel zu deinem Konto. Gib sie nie weiter und füge sie nie in einen Chat ein.

Du brauchst

Läuft in der CloudNichts zu installieren; die Verbindung läuft übers Internet

Welche App nutzt du?

ClaudeClaude CodeCursorVS CodeChatGPT

Wähle oben deine App. Wir merken sie uns, damit der Button beim nächsten Mal „In … installieren“ anzeigt.

Diese Adresse braucht einen Schlüssel in einem Header der Anfrage, und das Menü zum Hinzufügen von Connectors kann ihn nicht setzen. Nutze stattdessen Claude Code, Cursor oder VS Code.

Führe das in deinem Terminal aus

claude mcp add --transport http preloop https://preloop.ai/mcp/v1 --header 'Authorization: your-value'

Trag die leeren Werte ein, bevor du ihn startest.

In Cursor öffnen

Oder kopier die Einstellungen selbst

In .cursor/mcp.json in deinem Projekt oder in ~/.cursor/mcp.json einfügen

{
  "mcpServers": {
    "preloop": {
      "url": "https://preloop.ai/mcp/v1",
      "headers": {
        "Authorization": "your-value"
      }
    }
  }
}

Dein Browser fragt, ob er die App öffnen darf, dann zeigt die App die Einstellungen und bittet dich um Bestätigung. Schlüsselwerte bleiben leer, damit du sie selbst einträgst.

In VS Code öffnen

Oder kopier die Einstellungen selbst

In .vscode/mcp.json in deinem Projekt einfügen

{
  "servers": {
    "preloop": {
      "type": "http",
      "url": "https://preloop.ai/mcp/v1",
      "headers": {
        "Authorization": "your-value"
      }
    }
  }
}

Dein Browser fragt, ob er die App öffnen darf, dann zeigt die App die Einstellungen und bittet dich um Bestätigung. Schlüsselwerte bleiben leer, damit du sie selbst einträgst.

Diese Adresse braucht einen Schlüssel in einem Header der Anfrage, und das Menü zum Hinzufügen von Connectors kann ihn nicht setzen. Nutze stattdessen Claude Code, Cursor oder VS Code.

Deine Auswahl bleibt in einem Cookie auf diesem Gerät; kein Konto nötig.

Werte, die du selbst einträgst

Authorization geheim HTTP header
Optional. Preloop access token as 'Bearer ' (from 'preloop auth token'). OAuth-capable clients can omit it.

Diese Einstellungen werden aus dem Registry-Eintrag des Entwicklers erzeugt. Wenn in der README etwas anderes steht, folge der README.

Was er kann

Die Tool-Liste dieses Servers haben wir noch nicht gelesen; wir prüfen die Endpunkte reihum.

Basischecksi

Wir prüfen Informationen, die jeder sehen kann; den Code haben wir nicht gelesen. Checks, die nicht zutreffen, werden nicht mitgezählt. · Geprüft am 6. Nov. 2026

✓ Bestanden
Entwickler passt zum Repo
Der Registry-Name wurde mit dem GitHub-Konto preloop bestätigt, dem das Repo gehört
… Noch nicht geprüft
Wird noch gepflegt
Dieses Repo haben wir noch nicht von GitHub gelesen
… Noch nicht geprüft
Hat eine Lizenz
Dieses Repo haben wir noch nicht von GitHub gelesen
… Noch nicht geprüft
Endpunkt antwortet
Noch nicht geprüft; wir prüfen die Endpunkte reihum
… Noch nicht geprüft
Anmeldung mit OAuth
Noch nicht geprüft; wir prüfen die Endpunkte reihum
… Noch nicht geprüft
Keine versteckten Anweisungen in Tool-Beschreibungen
Noch nicht geprüft; wir lesen die Tool-Liste, wenn wir den Endpunkt prüfen

Im Vergleich mit anderen in Sonstigesi

Mehr Sterne als 0 % der anderen 32384 Server in dieser Kategorie
Neuer in der Registry veröffentlicht als 74 % der anderen 32384 Server in dieser Kategorie
Basischecks gleich gut wie oder besser als bei 100 % der anderen 32384 Server in dieser Kategorie

Verglichen mit allen aktiven Servern dieser Kategorie in der Registry. Sterne zählen nur, wenn dem Herausgeber das Repo gehört.

Häufige Fragen

Ist Preloop sicher?

Er hat 1 von 1 zutreffenden Basischecks bestanden. Den Code haben wir nicht gelesen. Bevor du einen Schlüssel oder Token hinzufügst, sieh nach, welche Zugriffe der Server verlangt, und nutze einen Schlüssel, der nur die Berechtigungen hat, die du brauchst.

Welche Schlüssel oder Codes braucht er?

Das musst du eintragen: Authorization

Läuft er auf meinem Computer oder in der Cloud?

Er läuft in der Cloud des Entwicklers. Du verbindest dich übers Internet, ohne etwas zu installieren, aber was du sendest, läuft über die Server des Entwicklers.

Wird er noch gepflegt?

Das GitHub-Repo wurde zuletzt – geändert, und die neueste Version (0.17.1) kam vor 13 Tagen in die Registry.

Welche Apps können ihn nutzen?

Apps, die MCP unterstützen, etwa Claude Desktop, Claude Code, Cursor und VS Code. Er verbindet sich per URL, also funktionieren auch Apps, die Remote-MCP-Server akzeptieren, zum Beispiel ChatGPT im Entwicklermodus.

Was kann ich stattdessen nutzen?

In derselben Kategorie: Spec Driven Development, Remote Desktop Commander, 오늘냥이 (Oneul Nyangi)

Alternativen

Server derselben Kategorie von anderen Entwicklern, sortiert nach Sternen.

So liest du eine Karte:★ GitHub-SterneiDrei Säulen: Bewertungen · Checks · NutzungiAktualisiert = neueste Version in der Registry veröffentlichti

Spec Driven Development

von formulahendry

MCP Server that facilitates spec-driven development workflows, not just Vibe Coding.

Läuft auf deinem Computer★ 440MITAktualisiert vor 14 Monaten

Installieren

Remote Desktop Commander

von desktop-commander

Remote Desktop Commander: use files, terminal and processes on your own computers from any AI app.

Läuft in der Cloud★ 211Aktualisiert gestern

Installieren

오늘냥이 (Oneul Nyangi)

von nyangi.today

Real cat photos, diaries, profiles, age and food reference calculators, and breeds.

Läuft in der CloudAktualisiert heute

Installieren

README vom Entwickler

README öffnen

Unverändert aus dem Repo des Entwicklers übernommen. PopNx MCP hat den Inhalt weder geprüft noch empfiehlt es ihn. HTML, Bilder und Skripte wurden entfernt. Links führen von dieser Website weg.

Preloop

The open-source AI agent control plane and software factory.

Preloop is one self-hostable service that sits between your AI agents and everything they reach, and runs agents for you when work arrives. Every tool call and every model call is governed, attributed and visible, whether a person started the agent or a ticket did. You see gateway spend by model, agent, session, API key and flow, and cap it with budgets. Imported Copilot usage is displayed separately as vendor-reported data.

It has two halves, and the same policies, budgets and session timeline apply to both:

Control plane. An MCP firewall that allows, denies or holds any tool call for human approval; an AI model gateway with budgets and attribution; policy-as-code in YAML and CEL; one runtime timeline per session.
Software factory. Flows run agents, in hosted containers or on your own runners, when GitHub, GitLab, Bitbucket Cloud, Jira, a webhook or a CI job fires. Presets review pull requests, implement issues, triage tickets, scan for vulnerabilities and collect evidence packs. A human can steer a running agent from the console, phone or watch, and the work lands as pull requests you can review.

Both halves are multi-user: invite colleagues and organize teams in Preloop (OSS). Each user can connect devices, runners and agents. Preloop (OSS) has no roles or access controls between users of an account; those are in Preloop Cloud and Preloop Enterprise.

Who it is for:

Platform and security teams that need agents governed before they reach production systems.
Engineering teams running coding agents that want to see the cost and keep an audit trail.
Teams that want tickets and events turned into bounded agent work they can review.

MCP clients connect to /mcp; existing /mcp/v1 configurations remain compatible. See the tested MCP protocol matrix for modern discovery, legacy initialization, and SDK migration details.

Works with OpenClaw, Claude Code, Codex CLI, Cursor, Gemini CLI, Hermes, OpenCode, Devin, Copilot CLI, and any MCP-compatible agent.

Your first five minutes

# 1. Install the CLI (macOS / Linux / WSL)

curl -fsSL https://preloop.ai/install/cli | sh

Windows, native (PowerShell): irm https://preloop.ai/install/cli.ps1 | iex

Details: docs/windows-cli.md

2. Connect it to a control plane

preloop signup # Preloop Cloud (fastest), or preloop login --url http://localhost:3000 # your self-hosted instance

3. Bring local agents under governance

preloop agents discover

preloop agents discover finds local agent configs and reports what each adapter supports. preloop agents onboard configures them: calls routed through the managed MCP entry reach the MCP Firewall, supported model routes use the Gateway. To talk to a running agent, install the runtime plugin with preloop agents install-plugin (or preloop claude for Claude Code). Full walkthrough: onboard local agents.

Watch it work

Onboarding, the MCP firewall, human approvals, and cutting session cost. Recorded against a real stack, no slideware.

Watch the full playlist →

What you get

Jobs teams otherwise buy from several vendors, in one Apache 2.0 stack:

Capability	What it does	Alternatives
MCP Firewall	Govern every tool call. Allow, deny, require approval, require justification. YAML + CEL. Connect OAuth MCP servers with automatic token refresh.	MintMCP, Lunar.dev MCPX, TrueFoundry
AI Model Gateway	OpenAI-, Anthropic- and Gemini-compatible. Budgets, allowed-model lists, token accounting, attribution.	Portkey, Helicone, LiteLLM, Kong AI
Flows	Start an agent when a tracker, webhook, or CI job fires, with the same firewall, approvals, and cost. `preloop flow trigger`.	Custom CI glue, AgentCore Runtime
Private runners	Run flow agents on your own machines over an outbound WebSocket, no inbound ports.	Self-managed CI runners
Agent Control	Talk to long-running agents from the console, phone, or watch. Steer runs with operator notes.	Terminal access
Cost & Budgets	Spend by model, agent, session, API key, flow, and user, including imported Copilot usage.	FinOps dashboards, vendor billing exports
Human Approvals	Mobile, watch, Slack, Mattermost, email, webhook, or `preloop approvals`. Native `Bash`/`Edit`. Agents can `ask_user`.	Custom Slack bots, Peta Desk
Runtime Observability	One session timeline: tool calls, model calls, policy, approvals, spend, outcomes, and synchronized recordings.	AgentOps, Langfuse, LangSmith
Fleet Map	People, devices, agents, models and observed work in one map.	Spreadsheets
Evidence packs	Apache flow presets write `result.json` plus an evidence directory for CRA / AI Act-style work. Not a certification.	Custom GRC folders

AI Agent → Preloop → [Policy]  → Allow / Deny / Require Approval → Execute

→ [Gateway] → Budget + attribution → Model

The software factory

One loop, end to end: an issue event arrives from GitHub, GitLab, Bitbucket Cloud or Jira. A flow starts an agent in a hosted container or on your own runner. Every tool call it makes passes the same firewall and approvals as your own agents, and every model call is charged to the flow's budget. The agent opens a pull request; the Pull Request Reviewer reviews it; review or CI feedback resumes the implementation on the same branch, and the result is a pull request you can review. You can steer the run with an operator note at any point, and the whole run is one timeline.

21 presets ship in this repository, including:

Issue Triage Assistant and issue refinement
Pull Request Reviewer
Delivery Report: a weekly report with proposals for human decisions and project reruns. See what landed, what the available evidence supports against stated criteria, and which gaps deserve investigation
Automated issue implementation
Security audit presets: SBOM verify, exploit check, release audit. They collect machine evidence for CRA- and EU AI Act-style reviews. That is not a conformity assessment, certification, or legal advice.
Observe / Eval
Component due diligence, architecture and strategy review, repo code health review
Standards compliance walk, release backport, weekly model price review

Or write your own. Trigger from CI with the run-flow GitHub Action; run agents on private runners; let a flow start child flows with flow delegation. Tracker setup: Bitbucket and Jira quickstart; Bitbucket Data Center is available as an opt-in provider.

Policy-as-code

version: "1.0"

metadata: name: "Production Safeguards"

approval_workflows:

name: "deploy-approval" timeout_seconds: 600 required_approvals: 1 async_approval: true

tools:

name: "bash" source: mcp approval_workflow: "deploy-approval" justification: required conditions:
expression: "args.command.contains('deploy') && args.command.contains('production')" action: require_approval

Check a sample call before saving with Test this rule or Simulate in the console. Ship it with preloop policy apply (validate / diff / export also exist).

More capabilities

Model providers: OpenAI, Anthropic, Google, Amazon Bedrock, Azure OpenAI, Alibaba Cloud Model Studio, DeepSeek, Mistral, Moonshot, Z.ai, OpenRouter, any OpenAI-compatible endpoint, and runner-proxied local models. Reviewed model pricing; unpriced models stay visibly unpriced.
Restricted CI identity: a machine identity bound to one project and one flow for CI jobs, with an optional read-only native GitHub App clone mode and separate result publication. Guide.
Account kill switch: blocks gateway and tool traffic and stops managed flow runs, with audited recovery. Guide.
Durable audit delivery: opt-in transactional intents for approvals, policy decisions and tool outcomes, with restart replay and backlog alerts. Operations guide.
Session search: keyword search by default, semantic as an opt-in, every search audited. Saved searches.
DORA exports: the AI-agent slice of the ICT inventory and incident record. Guide.
OTLP export: off by default; emits OpenTelemetry GenAI spans. Guide.
Chat: Slack, Mattermost, and Discord for questions, approval votes and operator notes. Chat connections.
Event-driven employees: managed agents doing bounded tasks from tracker and error events. Guide.
Remote sessions and deployment: [remote sessions](docs/guide/runners/remo

Nur der Anfang wird gezeigt; den Rest findest du im Repo

Preloop

Überblick

Die drei Säulen von PopNx MCP

Was du damit machen kannst

Installation

Bevor du installierst

Werte, die du selbst einträgst

Was er kann

Basischecksi

Entwickler passt zum Repo

Wird noch gepflegt

Hat eine Lizenz

Endpunkt antwortet

Anmeldung mit OAuth

Keine versteckten Anweisungen in Tool-Beschreibungen

Im Vergleich mit anderen in Sonstigesi

Häufige Fragen

Alternativen

Spec Driven Development

Remote Desktop Commander

오늘냥이 (Oneul Nyangi)

README vom Entwickler

Preloop

Your first five minutes

Windows, native (PowerShell): irm https://preloop.ai/install/cli.ps1 | iex

Details: docs/windows-cli.md

2. Connect it to a control plane

3. Bring local agents under governance

Watch it work

What you get

The software factory

Policy-as-code

More capabilities