Preloop
Preloop · Coding
Preloop ist ein Open-Source-Control-Plane für KI-Agenten, der zwischen deinen Agenten und der Außenwelt sitzt. Er verbindet eine MCP-Firewall für den Tool-Zugriff mit einem Modell-Gateway für Kosten und Zuordnung und ergänzt dann Policy-as-Code-Regeln, Freigaben mit Mensch im Kreislauf, Session-Observability und Audit-Trails. Die Plattform lässt sich unter Apache-2.0 selbst hosten, und ihre CLI schreibt Claude Code, Codex CLI, Cursor und andere MCP-Runtimes so um, dass sie über sie laufen, ohne den Code deines Agenten anzufassen.
Über Preloop
Was ist Preloop
Preloop ist Governance-Infrastruktur für KI-Agenten, gedacht für Teams, die Agenten im Produktivbetrieb laufen lassen. Agenten rufen Tools auf, verbrauchen Tokens und berühren echte Systeme. Die meisten Teams erfahren erst im Nachhinein, was sie getan haben. Preloop ändert das, indem es dir einen Haltepunkt gibt: Jeder Tool-Aufruf und jede Modellanfrage laufen durch ein Control Plane, das du konfigurierst.
Das Produkt deckt zwei Dinge ab, die sonst in getrennten Werkzeugen leben. Eine MCP-Firewall entscheidet, welche Tool-Aufrufe erlaubt, verweigert oder von einer Person freigegeben werden müssen, und ein Modell-Gateway leitet den Verkehr so, dass jeder Token dem Agenten oder API-Schlüssel zugeordnet wird, der ihn verbraucht hat. Regeln schreibt man in YAML mit CEL-Ausdrücken, sodass du die Argumente prüfen kannst, nicht nur die Tool-Namen.
Der Haken ist der Umfang. Preloop ist für Teams gebaut, die bereits MCP-kompatible Agenten laufen lassen, und setzt voraus, dass du dich mit Konfigurationsdateien, Versionskontrolle und Selbst-Hosting auskennst, wenn du den Cloud-Plan überspringst. Es ist kein No-Code-Dashboard. Wer nur will, dass ein Chatbot Fragen beantwortet, holt hier wenig heraus. Wenn niemand in deinem Team die Infrastruktur verantwortet, fühlt sich die Einrichtung schwerer an als das Problem, das sie löst.
Erste Schritte
- Installiere die CLI auf macOS oder Linux mit dem einzeiligen curl-Skript von der Preloop-Website.
- Führe
preloop agents discoveraus, das lokale Agenten wie Claude Code, Codex CLI und Cursor findet und ihre Konfigurationen sichert, bevor es sie umschreibt. - Richte Tool-Aufrufe auf die MCP-Firewall und den Modellverkehr auf das Gateway.
- Schreibe deine ersten Richtlinien in YAML und lege fest, welche Tool-Aufrufe erlaubt, verweigert oder hinter eine Freigabe gestellt werden.
- Verbinde einen Freigabekanal wie Mobilgerät, Slack oder einen Webhook und beobachte dann die Aktivität in der Flotten-Ansicht.
Produktinformationen
Ein kurzer Überblick über Preise, unterstützte Plattformen und die Leistung von Preloop.
Am besten für
Die Nutzer, Aufgaben und Szenarien, für die dieses Tool am besten passt.
Nutzer
- Plattform- und Infrastruktur-Teams
- Verantwortliche für Sicherheit und Compliance
- Kleine KI-Produktteams mit knappem Budget
Aufgaben
- Riskante Tool-Aufrufe blockieren
- KI-Ausgaben pro Agent verfolgen
- Nachvollziehen, was ein Agent in einer Sitzung getan hat
Szenarien
- Coding-Agenten im ganzen Team ausrollen
- Maschinenlesbare Nachweise für ein Compliance-Programm vorbereiten
- Ausufernde Modellkosten in einem Nebenprojekt deckeln
Wichtigste Funktionen
MCP-Firewall mit CEL-Regeln
Die Firewall fängt Tool-Aufrufe ab und wendet geordnete Regeln mit Prioritäten an. Weil die Regeln CEL-Ausdrücke nutzen, können sie die Argumente in einem Aufruf lesen, sodass eine Überweisung von 5000 anders behandelt wird als eine von 5. Verweigerte Aufrufe schlagen sofort mit einer Meldung fehl, die der Agent lesen und verarbeiten kann. Gut. Das hält den Agenten nützlich, statt ihn festzusetzen.
Modell-Gateway und Kostenzuordnung
Der Modellverkehr läuft durch ein Gateway, das sowohl das Format von OpenAI als auch das von Anthropic spricht. Jeder Token wird dem Agenten, Flow oder API-Schlüssel zugeordnet, der ihn verbraucht hat, und du kannst weiche und harte Budgets pro Konto und pro Flow festlegen. Meldet ein Anbieter die tatsächlichen Kosten, erfasst Preloop sie über seiner eigenen Schätzung. Nutzung, die es nicht bepreisen kann, wird als unbepreist gekennzeichnet statt als null angezeigt. Keine falsche Genauigkeit.
Freigaben mit Mensch im Kreislauf
Hier grenzt sich Preloop von einfachen Proxys ab. Wenn ein Aufruf zu einer Freigaberegel passt, bekommt die Person, die entscheiden muss, die Argumente, den umgebenden Kontext und die auslösende Regel aufs Mobilgerät, eine Uhr, Slack, Mattermost, per E-Mail oder über einen Webhook. Sie gibt mit einem Tippen frei. Risikoarme Aktionen warten nie. Ein asynchroner Modus lässt den Agenten die Entscheidung abfragen, statt seinen ganzen Lauf zu blockieren.
Agent-Onboarding mit einem Befehl
preloop agents discover findet auf der Maschine Claude Code, Codex CLI, Cursor, Gemini CLI, Hermes, OpenClaw und OpenCode. Es sichert jede Konfiguration und schreibt sie so um, dass Tool-Aufrufe durch die Firewall und Modellverkehr durch das Gateway laufen. Kein SDK. Keine Änderungen am Agenten-Code. Genau dieser letzte Punkt ist der Grund, warum Teams es ohne Migrationsprojekt übernehmen.
Audit-Trail und Session-Replay
Jede Aktion landet im Audit-Trail des Agenten: Tool, Eingaben, passende Regel, Entscheidung, Freigeber, Modellausgaben und Ergebnis. Du kannst von einer Flotten-Ansicht bis in die Zeitleiste einer einzelnen Sitzung wechseln. Das macht aus einem vagen Bericht „der Agent hat etwas Seltsames getan" eine konkrete Abfolge, die du prüfen kannst.
Selbst gehostet und Apache-2.0
Die ganze Plattform läuft unter einer Apache-2.0-Lizenz auf deiner eigenen Infrastruktur, sodass deine Anbieter-Schlüssel und Daten auf deinen Maschinen bleiben. Das zählt für Teams, die den Agentenverkehr nicht an Dritte schicken können. Es macht die Open-Source-Edition auch zu einem echten Rückfall, wenn Cloud-Pläne nicht passen.
Vor- und Nachteile
Vorteile
- Open Source und unter Apache-2.0 selbst hostbar, also kein Vendor-Lock-in bei Schlüsseln oder Daten.
- Das Onboarding funktioniert mit vorhandenen MCP-Agenten über Konfigurationsumschreibungen statt über ein neues SDK.
- Freigabeschranken können einen Aufruf anhalten und eine Person fragen, was die meisten MCP-Proxys nicht können.
- Budgets pro Agent und pro Flow setzen eine harte Obergrenze für Modellausgaben.
- Das Audit-Logging passt zu gängigen Compliance-Programmen, darunter der EU AI Act und DORA.
Nachteile
- Die Vorteile greifen nur für Teams mit MCP-kompatiblen Agenten; andere Stacks holen wenig heraus.
- Das Schreiben von Regeln stützt sich auf YAML und CEL, verlangt also jemanden, der sich mit Konfiguration und Richtlinienlogik auskennt.
- Selbst-Hosting ist kostenlos, verlagert aber die Betriebsarbeit auf dein eigenes Team, einschließlich Updates und Support.
Häufige Fragen
Es ist ein Control Plane, das zwischen deinen KI-Agenten und den Tools und Modellen sitzt, die sie aufrufen. Es entscheidet, welche Tool-Aufrufe erlaubt sind, leitet den Modellverkehr zur Kostenverfolgung und protokolliert alles zur Prüfung. Das ist die ganze Aufgabe.
Ähnliche Inhalte
Entdecke passende Tools, Skills und Artikel zu Preloop.
Alternativen zu Preloop
Forefront
Forefront · CodingForefront ist eine Webplattform zum Bauen mit Open-Source-KI. Sie lassen sich führende Open-Source-Sprachmodelle mit eigenen Daten feintunen, ihre Leistung bewerten und sie über eine API ausführen oder exportieren, um sie selbst zu hosten. Entwickler, die den Komfort einer geschlossenen Plattform wollen, aber darauf bestehen, ihre Modelle und Daten zu besitzen, sind hier die Zielgruppe.
Startkit
StartKit.AI · CodingStartkit ist ein Boilerplate zum Bauen von KI-SaaS-Produkten und KI-Wrappern. Man kann es sich als KI-Startup-Boilerplate vorstellen, bei dem die langweiligen Teile schon verdrahtet sind: Authentifizierung, Zahlungen über Stripe und Lemon Squeezy, Nutzungslimits, transaktionale E-Mail und ein KI-API-Starter-Kit, das mit OpenAI, Anthropic, Groq oder Llama spricht. Man klont das Repository, setzt seinen Preis und kümmert sich um den Teil des Produkts, für den Menschen wirklich bezahlen. Es basiert auf Next.js über React und Tailwind, deshalb fühlt sich ein Großteil des Boilerplate-Codes schon vertraut an.
Testim
Tricentis · CodingTestim ist eine KI-gestützte Plattform für Testautomatisierung, mit der man End-to-End-Tests für Web-, Mobile- und Salesforce-Anwendungen baut und ausführt. Sie setzt auf maschinelles Lernen, um Tests stabil zu halten, wenn sich eine Oberfläche ändert, sodass Teams weniger Zeit mit der Reparatur kaputter Selektoren verbringen. Nicht schlecht für ein Tool für automatisierte Tests, das Sie heute schon nutzen können. Sie erstellen Tests, indem Sie Aktionen im Browser aufzeichnen, und fügen danach JavaScript hinzu, wenn Sie mehr Kontrolle brauchen. Für ein beschäftigtes QA-Team eine solide Wahl.