Preloop

Name: Preloop
Author: preloop

de preloopversión 0.17.1i★ –iSe ejecuta en la nube

Nombre en el registroio.github.preloop/preloop

Instalar

Resumen

Descripción del creador (original en inglés)

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

Los tres pilares de PopNx MCP

Estos tres nunca se combinan en una sola puntuación: las opiniones, las mediciones y la popularidad son cosas distintas.

Opinión de usuariosiAún no hay reseñasLas reseñas se abrirán junto con las cuentas en una etapa posterior
Nuestras revisiones básicasi1 de 1 superadasRevisado con información pública; el código aún no se ha escaneado
UsoiAún sin medir★ –

Qué puedes hacer con él

Todavía no escribimos un resumen sencillo para este. Abajo están los datos que leímos del registro.

Conexión: Se ejecuta en la nube
Transporte: Streamable HTTP
Categoría: Otros
Debes completar: Authorization

Instalación

Elige la app de IA que usas y copia la configuración.

Antes de instalar

Revisiones básicas: 1 de 1 superadas
Se ejecuta en el servidor del creador: lo que le pidas pasa por su servidor.
Debes completar tú: Authorization

Los valores marcados como secretos son llaves de tu cuenta. Nunca los compartas ni los pegues en un chat.

Necesitas

Se ejecuta en la nubeNo hay nada que instalar; se conecta por internet

¿Qué app usas?

ClaudeClaude CodeCursorVS CodeChatGPT

Elige tu app arriba. La recordamos, así que la próxima vez el botón dirá “Instalar en …”.

Esta dirección necesita una clave en un header de la solicitud, y el menú para agregar conectores no puede ponerla. Usa Claude Code, Cursor o VS Code.

Ejecuta esto en tu terminal

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

Completa los valores vacíos antes de ejecutarlo.

Abrir en Cursor

O copia la configuración tú

Pégalo en .cursor/mcp.json de tu proyecto, o en ~/.cursor/mcp.json

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

Tu navegador te pide permiso para abrir la app; luego la app muestra la configuración y te pide confirmar. Los valores de las claves quedan vacíos para que los completes tú.

Abrir en VS Code

O copia la configuración tú

Pégalo en .vscode/mcp.json de tu proyecto

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

Tu navegador te pide permiso para abrir la app; luego la app muestra la configuración y te pide confirmar. Los valores de las claves quedan vacíos para que los completes tú.

Esta dirección necesita una clave en un header de la solicitud, y el menú para agregar conectores no puede ponerla. Usa Claude Code, Cursor o VS Code.

Tu elección se guarda en una cookie en este dispositivo; no necesitas cuenta.

Valores que debes completar

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

Esta configuración se genera a partir de la ficha del creador en el registro. Si el README dice otra cosa, sigue el README.

Qué puede hacer

Todavía no hemos leído la lista de herramientas de este servidor; revisamos los endpoints por turnos.

Revisiones básicasi

Revisamos información que cualquiera puede ver; no hemos leído el código. Las revisiones que no aplican no se cuentan. · Revisado el 6 nov 2026

✓ Superada
El creador coincide con el repo
El nombre en el registro se verificó con la cuenta de GitHub preloop, dueña del repo
… Aún sin revisar
Sigue en mantenimiento
Todavía no hemos leído este repo en GitHub
… Aún sin revisar
Tiene licencia
Todavía no hemos leído este repo en GitHub
… Aún sin revisar
El endpoint responde
Aún sin revisar; revisamos los endpoints por turnos
… Aún sin revisar
Inicio de sesión con OAuth
Aún sin revisar; revisamos los endpoints por turnos
… Aún sin revisar
Sin instrucciones ocultas en las descripciones de herramientas
Aún sin revisar; leemos la lista de herramientas cuando revisamos el endpoint

Comparado con otros en Otrosi

Más estrellas que el 0% de los otros 32398 servidores de esta categoría
Publicado en el registro más recientemente que el 74% de los otros 32398 servidores de esta categoría
Revisiones básicas iguales o mejores que el 100% de los otros 32398 servidores de esta categoría

Comparado con todos los servidores activos de esta categoría en el registro. Las estrellas solo cuentan cuando quien lo publica es dueño del repo.

Preguntas frecuentes

¿Es seguro Preloop?

Superó 1 de 1 revisiones básicas aplicables. No hemos leído el código. Antes de agregar una clave o un token, revisa qué acceso pide el servidor y usa una clave que tenga solo los permisos que necesitas.

¿Qué claves o códigos necesita?

Debes completar: Authorization

¿Se ejecuta en mi computadora o en la nube?

Se ejecuta en la nube del creador. Te conectas por internet sin instalar nada, pero lo que envías pasa por los servidores del creador.

¿Sigue en mantenimiento?

El repo de GitHub cambió por última vez –, y la última versión (0.17.1) llegó al registro hace 13 días.

¿Qué apps pueden usarlo?

Las apps compatibles con MCP, como Claude Desktop, Claude Code, Cursor y VS Code. Se conecta por URL, así que también funcionan las apps que aceptan servidores MCP remotos, como ChatGPT en modo desarrollador.

¿Qué puedo usar en su lugar?

En la misma categoría: Spec Driven Development, Remote Desktop Commander, AI Deprecations

Alternativas

Servidores de la misma categoría hechos por otros creadores, ordenados por estrellas.

Cómo leer una tarjeta:★ Estrellas de GitHubiTres pilares: reseñas · revisiones · usoiActualizado = fecha en que se publicó la última versión en el registroi

Spec Driven Development

de formulahendry

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

Se ejecuta en tu computadora★ 440MITActualizado hace 14 meses

Instalar

Remote Desktop Commander

de desktop-commander

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

Se ejecuta en la nube★ 211Actualizado ayer

Instalar

AI Deprecations

de aideprecations.com

AI model shutdown dates, replacements, change feed and webhook alerts for 8 providers.

Se ejecuta en la nubeActualizado hoy

Instalar

README del creador

Abrir el README

Copiado tal cual del repo del creador. PopNx MCP no lo ha revisado ni lo respalda. Se quitaron HTML, imágenes y scripts. Los enlaces llevan fuera de este sitio.

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

Solo se muestra el principio; lee el resto en el repo

Preloop

Resumen

Los tres pilares de PopNx MCP

Qué puedes hacer con él

Instalación

Antes de instalar

Valores que debes completar

Qué puede hacer

Revisiones básicasi

El creador coincide con el repo

Sigue en mantenimiento

Tiene licencia

El endpoint responde

Inicio de sesión con OAuth

Sin instrucciones ocultas en las descripciones de herramientas

Comparado con otros en Otrosi

Preguntas frecuentes

Alternativas

Spec Driven Development

Remote Desktop Commander

AI Deprecations

README del creador

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