Preloop

Name: Preloop
Author: preloop

作者：preloopバージョン 0.17.1i★ –iクラウドで動く

レジストリ名io.github.preloop/preloop

インストール

概要

作者による説明（英語の原文）

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

PopNx MCPの3つの柱

この3つを1つのスコアにまとめることはしません。意見、測定、人気はそれぞれ別のものだからです。

利用者の声iレビューはまだありませんレビューは今後のステップで、アカウント機能と一緒に始まります
私たちの基本チェックi1項目中1項目に合格公開情報からチェック。コードはまだスキャンしていません
利用状況i未計測★ –

できること

このサーバーのやさしい解説はまだ書いていません。以下はレジストリから読み取った事実です。

接続方法: クラウドで動く
トランスポート: Streamable HTTP
カテゴリ: その他
入力が必要なもの：Authorization

インストール

使っているAIアプリを選んで、設定をコピーしてください。

インストールの前に

基本チェック：1項目中1項目に合格
作者のサーバーで動きます。あなたが頼んだ内容は、作者のサーバーを通ります。
自分で入力するもの： Authorization

「秘密」と表示された値は、あなたのアカウントの鍵です。絶対に人に教えたり、チャットに貼り付けたりしないでください。

必要なもの

クラウドで動くインストール不要。インターネット経由でつながります

どのアプリを使っていますか？

ClaudeClaude CodeCursorVS CodeChatGPT

上でアプリを選んでください。選んだアプリを覚えておくので、次からはボタンに「…にインストール」と表示されます。

このアドレスはリクエストの header にキーが必要ですが、コネクタを追加するメニューでは設定できません。代わりにClaude Code、Cursor、VS Codeを使ってください。

ターミナルでこれを実行します

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

動かす前に、空欄の値を入力してください。

Cursorで開く

または、設定を自分でコピーする

プロジェクトの .cursor/mcp.json、または ~/.cursor/mcp.json に貼り付けます

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

ブラウザがアプリを開いてよいか確認し、そのあとアプリが設定を表示して確認を求めます。キーの値は空欄のままなので、自分で入力してください。

VS Codeで開く

または、設定を自分でコピーする

プロジェクトの .vscode/mcp.json に貼り付けます

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

選んだアプリは、この端末のCookieに保存されます。アカウントは不要です。

自分で入力する値

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

この設定は、作者のレジストリ登録情報から作成しています。READMEと違う場合は、READMEに従ってください。

できること

このサーバーのツール一覧はまだ読み取っていません。エンドポイントは順番にチェックしています。

基本チェックi

誰でも見られる情報をチェックしており、コードは読んでいません。当てはまらない項目は数に入れていません。 · 2026年11月6日にチェック

✓ 合格
作者とリポジトリが一致
レジストリ名は、リポジトリを所有するGitHubアカウント preloop で確認済みです
… 未チェック
今もメンテナンスされている
このリポジトリはまだGitHubから読み取っていません
… 未チェック
ライセンスがある
このリポジトリはまだGitHubから読み取っていません
… 未チェック
エンドポイントが応答する
まだチェックしていません。エンドポイントは順番にチェックしています
… 未チェック
OAuthでサインイン
まだチェックしていません。エンドポイントは順番にチェックしています
… 未チェック
ツールの説明に隠れた指示がない
まだチェックしていません。エンドポイントをチェックするときにツール一覧を読み取ります

その他のほかのサーバーとの比較i

このカテゴリのほかの32398件のうち0%よりスターが多い
このカテゴリのほかの32398件のうち74%より最近レジストリに公開
基本チェックの結果が、このカテゴリのほかの32398件のうち100%と同じかそれ以上

レジストリでこのカテゴリにある有効なすべてのサーバーと比較しています。スターは、公開者がリポジトリの所有者である場合だけ数えます。

よくある質問

Preloopは安全ですか？

当てはまる基本チェック1項目のうち1項目に合格しました。コードは読んでいません。キーやトークンを追加する前に、サーバーがどんなアクセスを求めているかを確認し、必要な権限だけを持つキーを使ってください。

どんなキーやコードが必要ですか？

入力が必要なもの：Authorization

パソコンで動きますか、それともクラウドですか？

作者のクラウドで動きます。インストール不要でインターネット経由でつながりますが、送った内容は作者のサーバーを通ります。

今もメンテナンスされていますか？

GitHubリポジトリの最終更新は–、最新バージョン（0.17.1）がレジストリに届いたのは13 日前です。

どのアプリで使えますか？

Claude Desktop、Claude Code、Cursor、VS CodeなどのMCP対応アプリで使えます。URLでつながるので、リモートMCPサーバーに対応したアプリ（開発者モードのChatGPTなど）でも使えます。

代わりに使えるものは？

同じカテゴリには：Spec Driven Development, Remote Desktop Commander, AI Deprecations

代わりの候補

同じカテゴリで、ほかの作者が作ったサーバー。スターの多い順。

カードの見方：★ GitHubスターi3つの柱：レビュー · チェック · 利用状況i更新＝最新バージョンをレジストリに公開した日i

Spec Driven Development

作者：formulahendry

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

パソコンで動く★ 440MIT14 か月前更新

インストール

Remote Desktop Commander

作者：desktop-commander

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

クラウドで動く★ 211昨日更新

インストール

AI Deprecations

作者：aideprecations.com

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

クラウドで動く今日更新

インストール

作者のREADME

READMEを開く

作者のリポジトリから書かれたとおりにコピーしたものです。PopNx MCPは内容を確認・推奨していません。HTML、画像、スクリプトは取り除いています。リンクはこのサイトの外へ移動します。

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

冒頭だけを表示しています。続きはリポジトリで読めます

Preloop

概要

PopNx MCPの3つの柱

できること

インストール

インストールの前に

自分で入力する値

できること

基本チェックi

作者とリポジトリが一致

今もメンテナンスされている

ライセンスがある

エンドポイントが応答する

OAuthでサインイン

ツールの説明に隠れた指示がない

その他のほかのサーバーとの比較i

よくある質問

代わりの候補

Spec Driven Development

Remote Desktop Commander

AI Deprecations

作者のREADME

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