
Preloop
Preloop · Programação
O Preloop é um plano de controle de código aberto para agentes de IA que fica entre os seus agentes e o mundo exterior. Ele combina um firewall MCP para o acesso a ferramentas com um gateway de modelos para custo e atribuição, e depois adiciona regras de política como código, aprovações com humano no loop, observabilidade de sessões e trilhas de auditoria. A plataforma pode ser auto-hospedada sob a Apache-2.0, e sua CLI reescreve o Claude Code, o Codex CLI, o Cursor e outros runtimes MCP para roteá-los por ela sem tocar no código do seu agente.

Sobre Preloop
O que é o Preloop
O Preloop é infraestrutura de governança de agentes de IA para equipes que rodam agentes em produção. Os agentes chamam ferramentas, gastam tokens e tocam sistemas reais. A maioria das equipes só descobre o que eles fizeram depois do fato. O Preloop muda isso ao dar um ponto de parada: cada chamada de ferramenta e cada requisição de modelo passam por um plano de controle que você configura.
O produto cobre duas coisas que costumam viver em ferramentas separadas. Um firewall MCP decide quais chamadas de ferramenta são permitidas, negadas ou precisam da assinatura de uma pessoa, e um gateway de modelos roteia o tráfego para que cada token seja cobrado do agente ou da chave de API que o gastou. As regras são escritas em YAML com expressões CEL, então você pode inspecionar os argumentos, não só os nomes das ferramentas.
O problema está no escopo. O Preloop é feito para equipes que já rodam agentes compatíveis com MCP, e parte do princípio de que você tem familiaridade com arquivos de configuração, controle de versão e auto-hospedagem se pular o plano em nuvem. Não é um painel sem código. Quem só quer que um chatbot responda perguntas não vai tirar muito proveito aqui. Se ninguém da sua equipe cuida da infraestrutura, a configuração vai pesar mais do que o problema que resolve.
Primeiros passos
- Instale a CLI no macOS ou Linux com o script curl de uma linha do site do Preloop.
- Rode
preloop agents discover, que encontra agentes locais como Claude Code, Codex CLI e Cursor e faz backup das configurações deles antes de reescrevê-las. - Direcione as chamadas de ferramenta para o firewall MCP e o tráfego de modelos para o gateway.
- Escreva suas primeiras políticas em YAML, decidindo quais chamadas de ferramenta são permitidas, negadas ou travadas atrás de aprovação.
- Conecte um canal de aprovação como celular, Slack ou um webhook, e então acompanhe a atividade pela visão da frota.
Informações do produto
Uma visão rápida dos preços, das plataformas compatíveis e do desempenho de Preloop.
Ideal para
Os usuários, tarefas e cenários em que esta ferramenta se encaixa melhor.
Usuários
- Equipes de plataforma e infraestrutura
- Responsáveis por segurança e conformidade
- Equipes pequenas de produto de IA com orçamento apertado
Tarefas
- Bloquear chamadas de ferramenta de alto risco
- Acompanhar o gasto com IA por agente
- Revisar o que um agente fez em uma sessão
Cenários
- Implantar agentes de programação em toda uma equipe
- Preparar evidências legíveis por máquina para um programa de conformidade
- Limitar o custo descontrolado de modelos em um projeto paralelo
Principais recursos
Firewall MCP com regras CEL
O firewall intercepta as chamadas de ferramenta e aplica regras ordenadas que carregam prioridades. Como as regras usam expressões CEL, elas podem ler os argumentos dentro de uma chamada, então uma transferência de 5000 é tratada de forma diferente de uma de 5. Chamadas negadas falham na hora com uma mensagem que o agente consegue ler e usar. Ótimo. Isso mantém o agente útil em vez de travado.
Gateway de modelos e atribuição de custo
O tráfego de modelos passa por um gateway que fala tanto o formato da OpenAI quanto o da Anthropic. Cada token é atribuído ao agente, fluxo ou chave de API que o gastou, e você pode definir orçamentos flexíveis e rígidos por conta e por fluxo. Quando um provedor informa o custo real, o Preloop o registra por cima da própria estimativa. O uso que ele não consegue precificar é rotulado como sem preço em vez de aparecer como zero. Nada de precisão falsa.
Aprovações com humano no loop
É aqui que o Preloop se separa dos proxies simples. Quando uma chamada casa com uma regra de aprovação, a pessoa que precisa decidir recebe os argumentos, o contexto em volta e a regra que a disparou no celular, em um relógio, no Slack, no Mattermost, por e-mail ou por um webhook. Ela aprova com um toque. Ações de baixo risco nunca esperam. Um modo assíncrono deixa o agente consultar a decisão em vez de bloquear toda a execução.
Integração de agentes com um único comando
Rodar preloop agents discover encontra Claude Code, Codex CLI, Cursor, Gemini CLI, Hermes, OpenClaw e OpenCode na máquina. Ele faz backup de cada configuração e a reescreve para enviar as chamadas de ferramenta pelo firewall e o tráfego de modelos pelo gateway. Sem SDK. Sem mudanças no código do agente. Essa última parte é o motivo pelo qual as equipes o adotam sem um projeto de migração.
Trilha de auditoria e replay de sessões
Cada ação cai na trilha de auditoria do agente: ferramenta, entradas, regra que casou, decisão, quem aprovou, gasto de modelo e resultado. Você pode ir de uma visão no nível da frota até a linha do tempo de uma sessão. Isso transforma um relato vago de "o agente fez algo estranho" em uma sequência concreta que você consegue revisar.
Auto-hospedado e Apache-2.0
Toda a plataforma roda na sua própria infraestrutura sob uma licença Apache-2.0, então suas chaves de provedor e seus dados ficam nas suas máquinas. Isso importa para equipes que não podem enviar o tráfego dos agentes para terceiros. Também faz da edição de código aberto uma alternativa real quando os planos em nuvem não encaixam.
Prós e contras
Prós
- Código aberto e auto-hospedável sob Apache-2.0, então não há aprisionamento a fornecedor sobre chaves ou dados.
- A integração funciona com os agentes MCP que você já tem por meio de reescritas de configuração em vez de um SDK novo.
- Os portões de aprovação podem pausar uma chamada e perguntar a uma pessoa, algo que a maioria dos proxies MCP não faz.
- Orçamentos por agente e por fluxo colocam um teto rígido no gasto com modelos.
- O registro de auditoria se mapeia para programas de conformidade comuns, incluindo a Lei de IA da UE e a DORA.
Contras
- Os benefícios só aparecem para equipes que rodam agentes compatíveis com MCP; outras pilhas tiram pouco proveito.
- A escrita de regras se apoia em YAML e CEL, então pede alguém à vontade com configuração e lógica de políticas.
- A auto-hospedagem é gratuita, mas empurra o trabalho operacional para a sua própria equipe, incluindo atualizações e suporte.
Perguntas frequentes
É um plano de controle que fica entre os seus agentes de IA e as ferramentas e modelos que eles chamam. Ele decide quais chamadas de ferramenta são permitidas, roteia o tráfego de modelos para acompanhar o custo e registra tudo para revisão. Esse é todo o trabalho dele.
Conteúdo relacionado
Explore ferramentas, skills e artigos relacionados a Preloop.
Alternativas a Preloop
Forefront
Forefront · ProgramaçãoO Forefront é uma plataforma web para construir com IA de código aberto. Você ajusta os principais modelos de linguagem de código aberto com seus próprios dados, avalia o desempenho deles e os roda por uma API ou os exporta para hospedar por conta própria. Desenvolvedores que querem a conveniência de uma plataforma fechada, mas fazem questão de ser donos dos modelos e dos dados, são o público-alvo aqui.
Startkit
StartKit.AI · ProgramaçãoStartkit é um boilerplate para criar produtos de SaaS com IA e wrappers de IA. Pense nele como um boilerplate para startups de IA com as partes chatas já conectadas: autenticação, pagamentos com Stripe e Lemon Squeezy, limites de uso, e-mail transacional e um kit inicial de API de IA que conversa com OpenAI, Anthropic, Groq ou Llama. Você clona o repositório, define seu preço e começa pela parte do produto que as pessoas realmente pagam. Ele é feito em Next.js sobre React e Tailwind, então boa parte do código boilerplate já parece familiar.
Testim
Tricentis · ProgramaçãoO Testim é uma plataforma de automação de testes com IA para criar e executar testes de ponta a ponta em aplicações web, mobile e Salesforce. Ele se apoia no aprendizado de máquina para manter os testes estáveis quando uma interface muda, então as equipes gastam menos tempo consertando seletores quebrados. Nada mal para uma ferramenta de testes automatizados que você pode começar a usar hoje. Você cria testes gravando ações no navegador e depois adiciona JavaScript quando precisa de mais controle. É uma escolha sólida para equipes de QA ocupadas.
