Preloop
Preloop · 程式設計
Preloop 是一款開源的 AI 代理控制平面，座落在你的代理與外部世界之間。它把負責工具存取的 MCP 防火牆，與負責成本與歸屬的模型閘道配在一起，再加上政策即程式碼規則、迴圈中人工核准、工作階段可觀測性與稽核軌跡。這套平台可在 Apache-2.0 授權下自行託管，而它的 CLI 能改寫 Claude Code、Codex CLI、Cursor 與其他 MCP 執行環境，讓流量改走它，卻不必動到你的代理程式碼。
關於 Preloop
Preloop 是什麼
Preloop 是為在正式環境運行代理的團隊打造的 AI 代理治理基礎設施。代理會呼叫工具、消耗 token、觸碰真實系統。多數團隊都是事後才知道它們做了什麼。Preloop 改變這點，做法是給你一個停止點：每一次工具呼叫與每一個模型請求，都會經過你設定的控制平面。
這個產品涵蓋兩件通常分屬不同工具的事。MCP 防火牆決定哪些工具呼叫可以放行、拒絕，或需要人工簽核；模型閘道則負責導流，讓每個 token 都歸帳到消耗它的代理或 API 金鑰。規則以 YAML 搭配 CEL 運算式撰寫，因此你能檢視引數，而不只是工具名稱。
問題在於適用範圍。Preloop 是為已經在運行 MCP 相容代理的團隊而打造，而且假設你若跳過雲端方案，就得熟悉設定檔、版本控制與自行託管。它不是無程式碼儀表板。只想讓聊天機器人回答問題的人，在這裡得不到太多。如果你的團隊沒有人負責基礎設施，設定起來的負擔會比它解決的問題還重。
開始使用
- 用 Preloop 網站上的一行 curl 指令碼，在 macOS 或 Linux 安裝 CLI。
- 執行
preloop agents discover，它會找出本機上的 Claude Code、Codex CLI、Cursor 等代理，並在改寫設定前先備份。 - 把工具呼叫導向 MCP 防火牆，把模型流量導向閘道。
- 用 YAML 寫下第一批政策，決定哪些工具呼叫可以放行、拒絕，或需經核准。
- 連接手機、Slack 或 webhook 等核准管道，然後從機隊檢視觀察活動。
產品資訊
快速了解 Preloop 的定價、支援平台與效能。
適合對象
這項工具最適合的使用者、任務與情境。
使用者
- 平台與基礎設施團隊：你能取得每個代理的支出歸屬，以及一個集中核准高風險工具呼叫的地方。你會需要有人負責部署。
- 安全與合規主管：稽核軌跡會記錄工具、輸入、命中的規則與核准人，這對歐盟 AI 法、CRA、DORA 與 NIS2 的證據工作有幫助。
- 預算有限的小型 AI 產品團隊：Free 與 Pro 方案可涵蓋少量代理，而 Apache-2.0 授權讓你自行託管，不必逐席位付費。
任務
- 攔阻高風險工具呼叫：寫一條規則，拒絕超過 2000 的付款，並要求超過 100 需經核准，其餘全部放行。
- 依代理追蹤 AI 支出：把模型流量導經閘道，讓每個 token 都被歸屬，而不是在供應商帳單上合成一行。
- 檢視代理在某個工作階段做了什麼：從機隊檢視一路下鑽到單一工作階段的時間軸，看清工具呼叫與決策的確切順序。
情境
- 在整個團隊推展程式編寫代理：把大家已在用的代理納入，不必要求他們改變工作流程或採用 SDK。
- 為合規計畫準備機器可讀的證據：持續收集核准與結果的日誌，而不是在事故後拼湊截圖。
- 為附帶專案設下失控模型成本的上限：為每個帳號設定硬性預算，讓陷入迴圈的代理無法悄悄燒光你的供應商額度。
主要功能
具備 CEL 規則的 MCP 防火牆
防火牆會攔截工具呼叫，並套用帶優先順序的有序規則。由於規則使用 CEL 運算式，它們能讀取呼叫內的引數，所以一筆 5000 的轉帳會與一筆 5 的轉帳被區別對待。被拒絕的呼叫會立刻失敗，並附上代理能讀取、能據以行動的訊息。很好。這讓代理保持有用，而不是卡住。
模型閘道與成本歸屬
模型流量會經過一個同時支援 OpenAI 與 Anthropic 格式的閘道。每個 token 都會歸屬到消耗它的代理、流程或 API 金鑰，而你可以為每個帳號與每個流程設定軟性與硬性預算。當供應商回報真實成本時，Preloop 會以它覆蓋自己的估算。無法定價的用量會被標示為未定價，而不是顯示為零。不做假精確。
迴圈中人工核准
這是 Preloop 與單純代理伺服器拉開差距的地方。當某個呼叫命中核准規則，需要做決定的人會收到引數、周遭脈絡與觸發的規則，管道涵蓋手機、手錶、Slack、Mattermost、電子郵件或 webhook。他們輕觸一下就能核准。低風險動作從不等待。非同步模式讓代理改為輪詢決定，而不必卡住整個執行流程。
一行指令完成代理上線
執行 preloop agents discover 會找出機器上的 Claude Code、Codex CLI、Cursor、Gemini CLI、Hermes、OpenClaw 與 OpenCode。它會備份每份設定並改寫，讓工具呼叫走防火牆、模型流量走閘道。不用 SDK。不必改代理程式碼。最後這點正是團隊不需遷移專案就採用的原因。
稽核軌跡與工作階段重播
每個動作都會落進代理稽核軌跡：工具、輸入、命中的規則、決定、核准人、模型支出與結果。你能從機隊層級的檢視一路進到單一工作階段的時間軸。這讓一句模糊的「代理做了怪事」變成一段你能檢視的具體順序。
自行託管與 Apache-2.0
整套平台可在 Apache-2.0 授權下跑在你自己的基礎設施上，所以你的供應商金鑰與資料都留在你的機器上。對無法把代理流量送到第三方的團隊來說，這很重要。當雲端方案不合用時，它也讓開源版成為真正的替代方案。
優缺點
優點
- 開源且可在 Apache-2.0 下自行託管，因此金鑰與資料不會被綁死於單一供應商。
- 上線流程透過改寫設定與現有 MCP 代理合作，而不是要求新的 SDK。
- 核准閘門能暫停呼叫並詢問真人，這是多數 MCP 代理伺服器做不到的。
- 依代理與依流程的預算，為模型支出設下硬性上限。
- 稽核日誌對應常見合規計畫，包括歐盟 AI 法與 DORA。
缺點
- 這些好處只對運行 MCP 相容代理的團隊有用；其他技術堆疊幾乎得不到什麼。
- 撰寫規則仰賴 YAML 與 CEL，因此需要有熟悉設定與政策邏輯的人。
- 自行託管免費，但會把營運工作推回你自己的團隊，包括升級與支援。
常見問題
它是一個控制平面，座落在你的 AI 代理與它們呼叫的工具、模型之間。它決定哪些工具呼叫可以放行、為追蹤成本而導引模型流量，並記錄一切以供檢視。這就是它的全部工作。
相關內容
探索與 Preloop 相關的工具、技能與文章。
Preloop 替代方案
Forefront
Forefront · 程式設計Forefront 是一個用來打造開源 AI 的網頁平台。你可以用自己的資料微調主流的開源語言模型、評估它們的表現，再透過 API 執行，或匯出後自行架設。想要封閉式平台的便利、卻堅持要自己擁有模型與資料的開發者，就是這裡的目標客群。
Startkit
StartKit.AI · 程式設計Startkit 是一套用來打造 AI SaaS 與 AI 包裝產品的樣板。可以把它想成一個 AI 新創樣板，把枯燥的部分都先接好了：驗證、Stripe 與 Lemon Squeezy 付款、用量限制、交易型電子郵件，以及一套能與 OpenAI、Anthropic、Groq 或 Llama 溝通的 AI API 啟動套件。你複製儲存庫、設定價格，然後專心在產品中使用者真正願意付費的部分。它建構於 React 與 Tailwind 之上的 Next.js，所以大部分的樣板程式碼對你來說並不陌生。
Testim
Tricentis · 程式設計Testim 是專為網頁、行動與 Salesforce 應用程式打造的 AI 測試自動化平台，用來建立並執行端到端測試。它靠機器學習在介面變動時維持測試穩定，團隊因此少花時間修補壞掉的定位器。對於一款今天就能開始使用的自動化測試工具來說，這表現不算差。你透過在瀏覽器錄製動作來建立測試，需要更多控制時再補上 JavaScript。對忙碌的 QA 團隊來說，這是個可靠的選擇。