Request Approval

核心用法

request-approval 是 Preloop MCP 官方提供的审批网关工具，用于在执行高风险操作前强制获取人工授权。工具通过调用 request_approval MCP 函数，将操作详情推送至用户配置的渠道（Slack、邮件、移动 App 等），并阻塞等待响应。仅当返回 "Approved" 后方可继续执行；若返回 "Denied" 或包含 "denied" 字样，必须立即停止操作。

调用时机：删除文件/资源、生产环境变更、数据库 schema 迁移、外部 API 调用（发邮件、创建 PR）、权限修改、财务操作等不可逆或高影响场景。读取、搜索、测试、特性分支开发等只读或低风险操作无需审批。

参数规范：

• operation：精确描述操作（如 "删除 logs/2024-01/ 目录，含 1,234 个文件 2.3GB"）
• context：影响范围与备份状态
• reasoning：必要性说明（如磁盘使用率 92%）

显著优点

1. 企业级安全屏障：官方 MCP 原生集成，非第三方外挂，信任链完整
2. 多渠道实时通知：Slack、邮件、移动端全覆盖，确保关键决策人及时响应
3. 阻断式工作流：工具层面强制等待审批结果，杜绝"先执行后补票"
4. 决策框架清晰：提供 5 条判定准则 + 黄金法则（"有疑问即申请"），降低人为判断失误
5. 审计友好：所有审批请求天然留痕，便于合规追溯

潜在缺点与局限性

1. 外部依赖强：必须配置 Preloop MCP 服务器，无法独立运行
2. 异步阻塞成本：审批等待时间不可控，不适合高频自动化流水线
3. 单点故障风险：若 Preloop 服务或通知渠道异常，操作将卡死或失败
4. 粒度较粗：不支持部分批准或条件批准，仅二元结果（通过/拒绝）
5. 配置门槛：需预绑定 Slack/邮件等通知渠道，初期 setup 成本较高

适合人群

• 企业开发团队：需符合 SOX、GDPR 等合规要求的生产环境变更管控
• 平台工程师：管理多租户基础设施，防止误删或配置漂移
• AI Agent 开发者：为自动化工作流增设人工把关节点，避免 LLM 幻觉导致破坏性操作
• 中小团队负责人：希望在低成本下获得类 GitOps 的审批能力

常规风险

1. 审批疲劳：过度申请导致用户麻木，可能习惯性点击"批准"削弱防护效果
2. 紧急阻塞：生产故障抢修时审批延迟可能扩大事故影响
3. 伪造响应风险：若 MCP 服务器配置被篡改，可能返回伪造的 "Approved"
4. 权限边界模糊：工具本身不校验执行者身份，需配合 MCP 服务器的身份认证机制
5. 上下文泄露：操作描述可能包含敏感路径或业务信息，流经第三方通知渠道需评估数据分级

核心用法

request-approval 是一个纯文档型安全指导 Skill，旨在教导 AI Agent 在执行业务关键或高风险操作前，通过 Preloop MCP 服务器调用 request_approval 工具获取人工审批。Skill 明确定义了三级审批策略：必须审批（删除、生产变更、数据库操作、外部修改、安全变更、财务操作、系统修改）、通常审批（PR 创建、主分支推送、关键文件修改、批量变更）和无需审批（只读操作、特性分支提交、隔离环境测试）。使用时需构造包含 operation（操作描述）、context（影响范围）、reasoning（执行理由）三个必填参数的审批请求，等待人工通过 Slack、邮件或移动应用响应后再决定执行或中止。

显著优点

安全机制完善：通过强制人机协同，将 AI Agent 的自主操作风险降至最低，特别适合生产环境和敏感数据处理场景。决策框架清晰：提供「能否轻易撤销」「是否造成数据损失」「是否修改生产系统」等五大判断维度，配合「存疑即审批」的黄金法则，大幅降低安全策略的落地难度。来源权威可信：由 Preloop（专注 MCP 治理层的可信组织）官方维护，T2 级别来源可信度，无任何可执行代码，纯文档设计杜绝了代码注入和依赖风险。即插即用：仅需配置 Preloop MCP 服务器即可生效，无需修改现有 Agent 架构。合规友好：通过 GDPR、CCPA 等隐私合规检查，不涉及用户数据收集，满足企业审计要求。

潜在缺点与局限性

外部依赖单一：功能完全依赖 Preloop MCP 服务器的可用性，若服务端故障或网络中断，审批流程将阻塞。实时性瓶颈：人工审批引入不可避免的延迟，不适用于需要秒级响应的紧急操作场景。成本 overhead：需要 Preloop 账户及可能的付费套餐（Slack/邮件通知渠道），小型团队可能面临成本顾虑。场景覆盖有限：Skill 本身仅为指导文档，实际审批能力受限于 Preloop 平台的工具实现，复杂审批流（如多级会签、条件审批）需额外配置。认知负担：Agent 需要准确判断操作风险等级，错误分类可能导致过度审批或审批缺失。

适合的目标群体

企业级 AI Agent 部署团队：特别是金融、医疗、政务等对合规和审计要求严格的行业。DevOps/SRE 工程师：需要安全地让 AI Agent 执行生产环境变更、数据库维护、资源清理等操作。AI 应用架构师：设计人机协同工作流，希望在自动化效率与人工监督间取得平衡。MCP 生态早期采用者：已部署或计划部署 Preloop 治理层的组织。

常规使用风险

配置依赖风险：Preloop MCP 服务器未正确配置时，审批调用将失败，需准备降级策略（如拒绝执行而非静默跳过）。审批疲劳风险：过度使用可能导致人工审批者麻木，建议配合分级审批策略（自动审批低风险、人工审批高风险）。延迟累积风险：批量操作若逐条审批将严重影响效率，应设计批量审批模式。误判风险：Agent 对「危险操作」的分类错误可能导致安全缺口，建议定期审计审批日志。