Preloop 开源 AI Agent 控制平面发布，统一治理工具与模型调用

Preloop 在 Hacker News 发布 Show HN，宣布推出一款面向 AI Agent 的开源控制平面。该平台将 MCP 防火墙、AI 模型网关、策略即代码、人工审批、运行时会话可观测性与审计日志整合到一套可自托管的系统中，目标是让团队在不重构现有 Agent 栈的前提下，对 Agent 的工具调用、模型调用和成本进行统一治理。

为什么需要 Agent 控制平面

随着 Claude Code、Cursor、OpenClaw 等 AI Agent 进入真实开发流程，它们开始直接部署代码、触达生产数据、修改基础设施并消耗云资源。传统 IAM、Prompt 规则与人工评审体系并非为这一场景设计。Preloop 在文档中列举了团队常见的痛点：误删生产数据、密钥被推送至公开仓库、Agent 无限制启动昂贵云资源、凌晨 3 点推送未经测试的部署。

平台的核心主张是：通过统一控制层允许、拒绝或要求审批每一次工具调用与模型调用；为模型花销按模型、Agent、会话、API Key 等维度归因；并对所有关键决策留下可检索的审计记录。

核心能力

Preloop 将传统上需要多家供应商分别提供的功能合并到单一 Apache 2.0 开源栈中，主要包括六大模块：

• MCP 防火墙：对 Agent 的每一次工具调用执行策略检查，支持允许、拒绝、强制审批与要求说明理由；策略以 YAML 与 CEL 表达。对标 MintMCP、Lunar.dev MCPX、TrueFoundry MCP Gateway。
• AI 模型网关：兼容 OpenAI 与 Anthropic 协议，支持按账户/流程设置预算、允许模型清单、Token 计量与运行时归因。对标 Portkey、Helicone、LiteLLM、Kong AI。
• 成本分析与预算：按模型、Agent、会话、API Key、流程与用户维度拆解模型支出，可强制执行预算并提示优化空间。
• 人工审批：通过手机、手表、Slack、Mattermost、邮件或 Webhook 推送一键审批通知，审批范围覆盖 MCP 工具与本地 Bash、Edit 等原生操作。
• 运行时可观测性：跨 Agent 提供会话级时间线，记录工具调用、模型调用、策略决策、审批、花销与结果。对标 AgentOps、Langfuse、LangSmith。
• 审计与 AI Act 证据：持久化存储策略、审批人、输入、时间戳与结果，可用于安全审查与欧盟 AI Act 合规工作。对标 Credo AI、IBM watsonx.governance。

兼容范围与使用方式

平台兼容的 Agent 与运行时包括 Claude Code、Codex CLI、Cursor、Gemini CLI、Hermes、OpenClaw、OpenCode、Windsurf 以及任何 MCP 兼容的 Agent。安装流程分为三步：

• 安装 CLI：macOS/Linux 执行 curl -fsSL https://preloop.ai/install/cli | sh，Windows 通过 PowerShell 一行命令安装；
• 通过 preloop signup 连接 Preloop Cloud，或使用 preloop login --url http://localhost:3000 连接自托管实例；
• 执行 preloop agents discover，自动发现本地 Agent 配置、导入可表示的 MCP Server 与模型元数据、签发托管凭证，并将受支持的 Agent 改写为通过 Preloop MCP 防火墙与网关路由流量。

Windows CLI 二进制文件在 GitHub Releases 页面分发，已通过 SignPath 完成 Authenticode 签名；项目还提供了 Defender 误报恢复、Go 源码安装与代码签名策略相关文档。

内置模板与定位

Preloop 附带 Pull Request Reviewer 等自动化模板，团队也可基于受治理的工具与预算编写自定义事件驱动型 Agent 自动化。控制平面既可使用 Preloop Cloud，也可在自有基础设施上自托管整个开源栈。

需要指出的是，AI Agent 治理赛道目前已有较多同类产品，Preloop 的差异化主要在于单栈覆盖多项职能，以及对 MCP 工具与原生 Bash、Edit 操作的统一审批能力。该项目能否在竞争中获得开发者认可，仍取决于早期用户反馈、社区建设进展以及文档与 SDK 的成熟度。