mcpField
P
Preloop

Preloop

リモート
preloop.aiセキュリティ81今日更新
リポジトリ公式サイト

Preloop について

Preloopは、AIエージェントのツール呼び出しやモデル利用を管理するオープンソースのコントロールプレーンです。承認ポリシー、予算、監査タイムライン、イベント起動型のエージェントフローをセルフホスト可能なサービスにまとめています。

主な機能

  1. 01MCPツール呼び出しのファイアウォールと承認
  2. 02YAMLおよびCELのポリシールール
  3. 03予算と利用帰属を備えたモデルゲートウェイ
  4. 04セッションタイムラインと監査記録
  5. 05イベント起動型エージェントフロー
  6. 06フローエージェント向けプライベートランナー

活用シーン

  1. 01本番システムを変更する前にエージェントの承認を求める
  2. 02セッションやフローごとのモデル・エージェント費用を追跡する
  3. 03トラッカーのイベントから課題実装を開始する
  4. 04プライベートなインフラでエージェントフローを実行する

MCP 対応

MCPクライアントは`/mcp`でPreloopに接続し、`/mcp/v1`との互換性もあります。ファイアウォールはツール呼び出しに許可、拒否、承認、理由提示のポリシーを適用し、接続されたOAuth MCPサーバーへの呼び出しも管理します。

設定

リモートサーバーはインストール不要です。クライアントを選んで設定をコピーするか、ワンクリックで導入できます。

エンドポイントhttps://preloop.ai/mcp/v1
インストールコマンドをコピー
Claude CodeTerminal
Cursor.cursor/mcp.json
VS Code.vscode/mcp.json
Claude Desktopclaude_desktop_config.json
Windsurf~/.codeium/windsurf/mcp_config.json

コマンドはターミナルで実行し、JSON は各クライアントの MCP 設定に貼り付けて再起動します。認可が必要なサーバーは初回接続時にログインを求めます。

すべてのエンドポイント
Streamable HTTPhttps://preloop.ai/mcp/v1認証が必要

ツール

詳細

Preloop Logo Preloop

CI Release PyPI Python 3.11+ License OpenSSF Best Practices OpenSSF Scorecard

オープンソースのAIエージェント制御プレーン兼ソフトウェアファクトリーです。

Preloopは、AIエージェントとエージェントがアクセスするすべてのものとの間に位置する、単一のセルフホスト可能なサービスです。また、作業が発生するとエージェントを実行します。人がエージェントを起動した場合でも、チケットが起動した場合でも、すべてのツール呼び出しとモデル呼び出しが管理され、誰が実行したかが記録され、可視化されます。モデル、エージェント、セッション、APIキー、フローごとのゲートウェイ支出を確認し、予算で上限を設定できます。インポートされたCopilotの利用状況は、ベンダーが報告したデータとして個別に表示されます。

Preloopは2つの機能から成り、どちらにも同じポリシー、予算、セッションタイムラインが適用されます。

  • 制御プレーン。 人による承認のために、あらゆるツール呼び出しを許可、拒否、保留できるMCPファイアウォール。予算設定と利用状況の記録に対応したAIモデルゲートウェイ。YAMLとCELによるポリシー・アズ・コード。セッションごとのランタイムタイムライン。
  • ソフトウェアファクトリー。 GitHub、GitLab、Bitbucket Cloud、Jira、Webhook、CIジョブをきっかけに、ホストされたコンテナまたは独自のランナー上でエージェントを実行するフロー。プルリクエストのレビュー、課題の実装、チケットのトリアージ、脆弱性のスキャン、エビデンスパックの収集を行うプリセットを備えています。人はコンソール、スマートフォン、スマートウォッチから実行中のエージェントに指示を出せます。作業の成果は、レビュー可能なプルリクエストとして作成されます。

対象ユーザー:

  • エージェントが本番システムにアクセスする前に管理する必要がある、プラットフォームチームやセキュリティチーム。
  • コーディングエージェントを運用しており、コストの把握と監査証跡の維持を望むエンジニアリングチーム。
  • チケットやイベントを、レビュー可能な範囲のエージェント作業に変換したいチーム。

MCPクライアントは/mcpに接続します。既存の/mcp/v1設定との互換性も維持されます。 最新のディスカバリー、レガシーな初期化、SDKの移行については、テスト済みのMCPプロトコル対応表を参照してください。

OpenClaw、Claude Code、Codex CLI、Cursor、Gemini CLI、Hermes、OpenCode、Devin、Copilot CLI、およびMCP互換のあらゆるエージェントで動作します。

最初の5分間

# 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でローカルのエージェント設定を検出し、各アダプターがサポートする機能を確認できます。preloop agents onboardでエージェントを設定できます。管理対象のMCPエントリーポイントを経由する呼び出しはMCPファイアウォールに到達し、サポート対象のモデルルートはゲートウェイを利用します。実行中のエージェントとやり取りするには、preloop agents install-pluginでランタイムプラグインをインストールしてください(Claude Codeの場合はpreloop claudeを使用します)。手順の詳細はローカルエージェントのオンボーディングをご覧ください。

Preloopの制御プレーンにローカルエージェントをオンボーディングする画面

## 動作を確認する

オンボーディング、MCP ファイアウォール、人による承認、セッションコストの削減。スライドではなく、実際のスタックで収録しています。

Preloop 動画シリーズ:エージェントの動きを把握し、ガバナンスを効かせ、コストを削減する

プレイリストをすべて見る →

利用できる機能

チームが通常なら複数のベンダーから購入する機能を、Apache 2.0 の単一スタックで提供します。

機能内容代替製品
MCP ファイアウォールすべてのツール呼び出しを管理します。許可、拒否、承認の必須化、理由提示の必須化が可能です。YAML + CEL を使用します。OAuth MCP サーバーに接続し、トークンを自動更新します。MintMCP、Lunar.dev MCPX、TrueFoundry
AI モデルゲートウェイOpenAI、Anthropic、Gemini と互換性があります。予算、使用可能なモデルのリスト、トークンの計上、利用者への帰属に対応します。Portkey、Helicone、LiteLLM、Kong AI
フロートラッカー、Webhook、または CI ジョブの実行をきっかけに、同じファイアウォール、承認、コスト管理のもとでエージェントを起動します。preloop flow trigger。カスタム CI 連携、AgentCore Runtime
プライベートランナーインバウンドポートを開放せず、アウトバウンド WebSocket 経由で自社マシン上のフローエージェントを実行します。セルフマネージド CI ランナー
エージェント制御コンソール、スマートフォン、またはウォッチから、長時間実行されるエージェントと対話できます。オペレーターノートで実行を誘導します。ターミナルアクセス
コストと予算モデル、エージェント、セッション、API キー、フロー、ユーザー別の支出を確認できます。インポートした Copilot の使用状況も含まれます。FinOps ダッシュボード、ベンダーの請求データエクスポート
人による承認モバイル、ウォッチ、Slack、Mattermost、メール、Webhook、または preloop approvals で承認できます。Bash/Edit にネイティブ対応しています。エージェントは ask_user を使用できます。カスタム Slack ボット、Peta Desk
ランタイムの可観測性ツール呼び出し、モデル呼び出し、ポリシー、承認、支出、結果、およびタイムラインと同期された録画を、単一のセッションタイムラインで確認できます。AgentOps、Langfuse、LangSmith
フリートマップ人、デバイス、エージェント、モデル、観測された作業を、ひとつのマップに表示します。スプレッドシート
エビデンスパックApache フロープリセットは、CRA/AI Act 形式の作業向けに result.json とエビデンスディレクトリを作成します。認証を行うものではありません。カスタム GRC フォルダー
AI Agent → Preloop → [Policy]  → Allow / Deny / Require Approval → Execute
                   → [Gateway] → Budget + attribution             → Model

ソフトウェアファクトリー

エンドツーエンドの単一ループです。GitHub、GitLab、Bitbucket Cloud、Jira から課題イベントが届きます。フローが、ホスト型コンテナまたはお使いのランナー上でエージェントを起動します。エージェントによるすべてのツール呼び出しには、お客様自身のエージェントと同じファイアウォールと承認が適用され、すべてのモデル呼び出しはフローの予算に計上されます。エージェントがプルリクエストを作成し、Pull Request Reviewer がレビューします。レビューや CI からのフィードバックがあると、同じブランチで実装が再開され、レビュー可能なプルリクエストが完成します。実行中のどの時点でもオペレーターノートで実行に指示を出せます。また、実行全体が単一のタイムラインに記録されます。

このリポジトリには、次のものを含む21 個のプリセットが用意されています。

  • Issue Triage Assistant と課題の精査
  • Pull Request Reviewer
  • Delivery Report:人による判断の提案とプロジェクトの再実行案を含む週次レポートです。取り込まれた変更、明示された基準に照らして入手可能な証拠が裏付ける内容、調査に値する不足点を確認できます
  • 自動課題実装
  • セキュリティ監査プリセット:SBOM の検証、エクスプロイトの確認、リリース監査です。CRA や EU AI Act に準じたレビュー向けに、機械的な証拠を収集します。適合性評価、認証、法的助言ではありません。
  • Observe / Eval
  • コンポーネントのデューデリジェンス、アーキテクチャと戦略のレビュー、リポジトリのコード健全性レビュー
  • 標準準拠の確認、リリースのバックポート、週次のモデル価格レビュー

独自のフローを作成することもできます。CI から run-flow GitHub Action でトリガーし、プライベートランナーでエージェントを実行できます。また、フロー委任を使って、フローから子フローを起動できます。トラッカーのセットアップについては、Bitbucket と Jira のクイックスタートを参照してください。Bitbucket Data Center は、オプトイン方式のプロバイダーとして利用できます。

ポリシー・アズ・コード

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

コンソールの Test this rule または Simulate を使って、保存前にサンプル呼び出しを確認できます。preloop policy apply <file> で適用します(validate/diff/export も利用できます)。

エージェントとゲートウェイの利用状況をリアルタイムで表示する Preloop ダッシュボード

## 追加機能
  • モデルプロバイダー: OpenAI、Anthropic、Google、Amazon Bedrock、Azure OpenAI、Alibaba Cloud Model Studio、DeepSeek、Mistral、Moonshot、Z.ai、OpenRouter、OpenAI 互換の任意のエンドポイント、およびランナー経由のローカルモデルに対応しています。モデル価格の確認済み情報。価格が設定されていないモデルは、その旨が明確に表示されます。
  • 制限付き CI ID: CI ジョブ向けに、1 つのプロジェクトと 1 つのフローに紐付けられたマシン ID です。ガイド。
  • アカウントの緊急停止スイッチ: ゲートウェイとツールのトラフィックをブロックし、管理対象のフロー実行を停止します。復旧は監査記録に残ります。ガイド。
  • 監査ログの永続的な配信: 承認、ポリシー判断、ツールの実行結果について、オプトイン方式のトランザクションインテントを提供します。再起動後の再生とバックログのアラートにも対応しています。運用ガイド。
  • セッション検索: デフォルトではキーワード検索、セマンティック検索はオプトイン方式で、すべての検索が監査記録に残ります。保存済み検索。
  • DORA エクスポート: ICT 資産目録とインシデント記録の AI エージェント部分をエクスポートします。ガイド。
  • OTLP エクスポート: デフォルトでは無効です。OpenTelemetry GenAI スパンを出力します。ガイド。
  • チャット: Slack、Mattermost、Discord を使って、質問、承認投票、オペレーターメモをやり取りできます。チャット接続。
  • イベント駆動型の従業員: トラッカーやエラーのイベントを受けて、範囲を限定したタスクを実行する管理対象エージェントです。ガイド。
  • リモートセッションとデプロイ: リモートセッション、SSH と GCP へのエージェントのデプロイ、環境と復旧。
  • ランタイムプラグイン: Pi と DeepSeek Harness、Nanobot、OpenClaw、Hermes、ランタイムアダプター。

その他の情報はこちら:docs.preloop.ai。

はじめに

CLI はクライアントです。コントロールプレーンとして、Preloop Cloud またはご自身で実行するスタックと通信します。

クラウド(最速)

curl -fsSL https://preloop.ai/install/cli | sh
preloop signup
preloop agents discover

セルフホスト(Docker Compose、データはお使いのマシンに保存)

curl -fsSL https://preloop.ai/install/oss | sh
curl -fsSL https://preloop.ai/install/cli | sh
preloop login --url http://localhost:3000
preloop agents discover

コンソール:http://localhost:3000。CLI のログインコマンド:CLI 認証。TLS、SMTP、アップグレード、Kubernetes:OSS スタックのインストール、Helm チャート helm/preloop、互換性ポリシー。サポート対象のインストール方法は Docker Compose と Helm です。このリポジトリには Terraform モジュールは含まれていません。ローカルアップグレード受け入れテストハーネスでは、一時的な Compose および kind スタックを使って、リリース版から候補版への移行、データ、認証情報を検証します。

認証情報ストレージのアップグレードでは、既存の暗号化キーを維持し、通常のローリングアップグレードとして実行します。既存のインストールをアップグレードする前に、認証情報ストレージのアップグレードガイドをお読みください。

本番環境でセルフホストする場合、SECRET_KEY が必須です。設定されていないと、アプリは起動を拒否します。また、environment.jwtSecret が空またはプレースホルダーの場合、Helm チャートはインストールを拒否します(helm/preloop/README.mdを参照)。開発用の docker-compose.yml には、開発専用の認証情報がデフォルトで設定されています。.env ファイル(.env.example を基に作成)で上書きしてください。テレメトリは、日次の仮名化されたバージョン確認です。無効にするには、PRELOOP_DISABLE_TELEMETRY=true を設定してください。イベント一覧:SECURITY.md。

AWS Bedrock AgentCore に代わるオープンソース製品

同じ主要機能(ランタイム、ゲートウェイ、ID、オブザーバビリティ、ポリシー)を、ベンダーに依存せずセルフホスト可能な形で提供します。比較の詳細:preloop.ai/vs/aws-agentcore。

PreloopAWS Bedrock AgentCore
オープンソース(Apache 2.0)はいいいえ
セルフホスト可能(VPC/オンプレミス)はいいいえ
ポリシー・アズ・コード(YAML + CEL)はい一部対応
MCP ネイティブのツールガバナンスはい一部対応
人による承認(モバイル、Slack、webhook)はい一部対応
既存のローカルエージェントを登録(preloop agents discover)はいいいえ

こちらも比較してください:LiteLLM、Portkey、Helicone、MintMCP、Lunar、Runlayer、Zenity。

エディション

特に断りのない Preloop はこのリポジトリを指します(Apache 2.0、セルフホスト型)。Preloop Cloud は preloop.ai のホスト型サービスです。Preloop Enterprise は商用のセルフホスト型エディションです。Cloud と Enterprise にはサポートプランが含まれます。Cloud の請求管理者は、プラン変更の見積もりを依頼する前に、アカウント設定で直近の完了済み3か月分の利用状況を比較できます。

お客様のデータについて:セルフホスト型では、任意の日次バージョンチェックを除き、データがネットワーク外に出ることはありません。Preloop Cloud では、セッションは検索、監査証跡、コストレポート、ポリシー適用を提供するためだけに保存され、モデルのトレーニングには使用されず、販売または共有されることもありません。詳細:セキュリティとプライバシー。

ガバナンス自体はオープンソースです。すべてのモデルプロバイダー、フロー、プライベートランナー、セッション検索、オペレーターノート、監査証跡、単一承認者のワークフロー、アカウント、フロー、API キー、または管理対象エージェントの単位で設定する予算が含まれます。商用なのは、その上にある組織向けのレイヤーです。

機能オープンソースCloud/Enterprise
監査データの収集、クエリ API、コンソールはいはい
1つのアカウントでのユーザー、チーム、RBACいいえはい
ユーザーまたはチーム単位の予算、予算通知のルーティングいいえはい
複数承認者へのルーティング、定足数、エスカレーションいいえはい

セルフホスト型の OSS インスタンスでは、1つのアカウントにつきオペレーターは1人です。公開サインアップを有効にしている場合、新規登録者にはチームメイトとしてではなく、別のアカウントが作成されます。Enterprise のライセンスについては、[email protected] までお問い合わせください。

このリポジトリでの作業

必要な情報参照先
システム全体の構成ARCHITECTURE.md、続いて docs/architecture/ 内の章
コマンド、DB/CRUD のルール、Lit フロントエンドAGENTS.md
PR の手順CONTRIBUTING.md
オペレーターおよびクライアント向けガイドdocs.preloop.ai
ポリシーの例backend/presets/

コミュニティ

ヘルプ、フィードバック、創業者の開発ログについては、Discord をご利用ください。

コントリビューション

CONTRIBUTING.md を参照してください。メンテナーは保護ブランチのリリース手順に従ってください。

ライセンス

Apache License 2.0。Copyright (c) 2026 Spacecode AI Inc.

リリースアセットには、署名済みの Sigstore ビルド来歴とチェックサムが含まれます(検証)。リリース SBOM 監査ゲートでは、すべてのリリースイメージの両アーキテクチャと、タグのセキュリティワークフローをチェックします。Windows CLI に関する説明:windows-cli.md、コード署名ポリシー。無料のコード署名は SignPath.io が提供し、証明書は SignPath Foundation が提供します。

コメント

MCP は初めてですか?

プロトコルの概要から最初のサーバーの導入まで、よくある疑問にまとめて答えます。

AI アプリケーションが外部のツールやデータソースに統一的な方法で接続するためのオープンなプロトコルです。クライアントはモデルとの対話を担い、MCP サーバーはツール・リソース・プロンプトテンプレートを提供します。標準メッセージでやり取りするため、1 つのサーバーを複数のクライアントで再利用できます。