hermes教程-内置工具参考

`browser` 工具集

工具	描述	所需环境
`browser_back`	导航回浏览器历史记录中的上一页。需要先调用 `browser_navigate`。	—
`browser_click`	点击由快照中的 ref ID 标识的元素（例如 '@e5'）。ref ID 显示在快照输出的方括号中。需要先调用 `browser_navigate` 和 `browser_snapshot`。	—
`browser_console`	获取当前页面的浏览器控制台输出和 JavaScript 错误。返回 console.log/warn/error/info 消息以及未捕获的 JS 异常。用于检测静默的 JavaScript 错误、失败的 API 调用和应用程序警告。需要先调用 `browser_navigate`。	—
`browser_get_images`	获取当前页面上所有图片的 URL 和 alt 文本列表。用于查找图片以使用视觉工具进行分析。需要先调用 `browser_navigate`。	—
`browser_navigate`	在浏览器中导航到 URL。初始化会话并加载页面。必须在使用其他浏览器工具之前调用。对于简单的信息检索，优先使用 `web_search` 或 `web_extract`（更快、更便宜）。当需要交互或 JavaScript 渲染时使用浏览器工具。	—
`browser_press`	按下键盘按键。用于提交表单（Enter）、导航（Tab）或键盘快捷键。需要先调用 `browser_navigate`。	—
`browser_scroll`	按方向滚动页面。用于显示当前视口下方或上方可能隐藏的更多内容。需要先调用 `browser_navigate`。	—
`browser_snapshot`	获取当前页面可访问性树的文本快照。返回带有 ref ID（如 @e1、@e2）的交互元素，供 `browser_click` 和 `browser_type` 使用。`full=false`（默认）：仅显示交互元素的紧凑视图。`full=true`：包含所有元素的完整视图。	—
`browser_type`	在由 ref ID 标识的输入字段中键入文本。先清空字段，然后键入新文本。需要先调用 `browser_navigate` 和 `browser_snapshot`。	—
`browser_vision`	截取当前页面的屏幕截图并使用视觉 AI 进行分析。当需要直观理解页面内容时使用——特别适用于验证码、视觉验证挑战、复杂布局或文本快照无法捕获动态内容的情况。	—

`browser` 工具集（CDP 门控工具）

这两个工具属于 browser 工具集，但仅在会话启动时 Chrome DevTools Protocol 端点可达时注册——通过 /browser connect、browser.cdp_url 配置、Browserbase 会话或 Camofox。

工具	描述	所需环境
`browser_cdp`	发送原始 Chrome DevTools Protocol 命令。用于处理高级 `browser_*` 工具未覆盖的浏览器操作的逃生口。参见 https://chromedevtools.github.io/devtools-protocol/	CDP 端点
`browser_dialog`	响应原生 JavaScript 对话框（alert / confirm / prompt / beforeunload）。先调用 `browser_snapshot`——待处理的对话框会出现在其 `pending_dialogs` 字段中。然后调用 `browser_dialog(action='accept'\|'dismiss')`。	CDP 端点

`clarify` 工具集

工具	描述	所需环境
`clarify`	在需要澄清、反馈或决策时向用户提问。支持两种模式：1. 多项选择——最多提供 4 个选项。用户选择一个或通过第 5 个“其他”选项输入自己的答案。2. 自由文本输入。	—

`code_execution` 工具集

工具	描述	所需环境
`execute_code`	运行一个 Python 脚本，该脚本可以编程方式调用 Hermes 工具。当需要 3 次以上工具调用并在它们之间进行逻辑处理、需要过滤/缩减大型工具输出后再进入上下文、需要条件分支或循环时使用。	—

`cronjob` 工具集

工具	描述	所需环境
`cronjob`	统一的定时任务管理器。使用 `action="create"`、`"list"`、`"update"`、`"pause"`、`"resume"`、`"run"` 或 `"remove"` 来管理任务。支持附加一个或多个技能的技能支持任务，`skills=[]` 更新时清除附加技能。Cron 运行在全新会话中，没有当前聊天上下文。	—

`delegation` 工具集

工具	描述	所需环境
`delegate_task`	生成一个或多个子代理，在隔离的上下文中处理任务。每个子代理拥有自己的对话、终端会话和工具集。仅返回最终摘要——中间工具结果永远不会进入你的上下文窗口。两种模式：...	—

`feishu_doc` 工具集

限定在飞书文档评论智能回复处理器（gateway/platforms/feishu_comment.py）中使用。不在 hermes-cli 或常规飞书聊天适配器上暴露。

工具	描述	所需环境
`feishu_doc_read`	根据 file_type 和 token 读取飞书/Lark 文档（Docx、Doc 或 Sheet）的完整文本内容。	飞书应用凭证

`feishu_drive` 工具集

限定在飞书文档评论处理器中使用。驱动对云盘文件的评论读写操作。

工具	描述	所需环境
`feishu_drive_add_comment`	在飞书/Lark 文档或文件上添加顶级评论。	飞书应用凭证
`feishu_drive_list_comments`	列出飞书/Lark 文件上的整文档评论，最新的在前。	飞书应用凭证
`feishu_drive_list_comment_replies`	列出特定飞书评论线程（整文档或局部选择）的回复。	飞书应用凭证
`feishu_drive_reply_comment`	在飞书评论线程中发布回复，可选的 `@` 提及。	飞书应用凭证

`file` 工具集

工具	描述	所需环境
`patch`	在文件中进行精确的查找替换编辑。使用此工具代替终端中的 sed/awk。使用模糊匹配（9 种策略），因此微小的空白/缩进差异不会破坏它。返回统一差异格式。编辑后自动运行语法检查。	—
`read_file`	读取文本文件，显示行号和分页。使用此工具代替终端中的 cat/head/tail。输出格式：'LINE_NUM\|CONTENT'。如果未找到文件，建议相似文件名。对于大文件使用 offset 和 limit。注意：无法读取图片或二进制文件。	—
`search_files`	搜索文件内容或按名称查找文件。使用此工具代替终端中的 grep/rg/find/ls。基于 Ripgrep，比 shell 等效工具更快。内容搜索（target='content'）：在文件内进行正则搜索。输出模式：完整匹配带行号...	—
`write_file`	将内容写入文件，完全替换现有内容。使用此工具代替终端中的 echo/cat heredoc。自动创建父目录。覆盖整个文件——对于精确编辑请使用 'patch'。	—

`homeassistant` 工具集

工具	描述	所需环境
`ha_call_service`	调用 Home Assistant 服务以控制设备。使用 `ha_list_services` 发现每个域可用的服务及其参数。	—
`ha_get_state`	获取单个 Home Assistant 实体的详细状态，包括所有属性（亮度、颜色、温度设定点、传感器读数等）。	—
`ha_list_entities`	列出 Home Assistant 实体。可选地按域（light、switch、climate、sensor、binary_sensor、cover、fan 等）或按区域名称（living room、kitchen、bedroom 等）过滤。	—
`ha_list_services`	列出可用的 Home Assistant 服务（动作）用于设备控制。显示每个设备类型可以执行哪些动作以及它们接受的参数。用于发现如何控制通过 `ha_list_entities` 找到的设备。	—

`computer_use` 工具集

工具	描述	所需环境
`computer_use`	通过 cua-driver 进行后台 macOS 桌面控制——截图（SOM / vision / AX）、点击/拖拽/滚动/输入/按键/等待、列出应用、聚焦应用。不会夺取用户的光标或键盘焦点。适用于任何支持工具的模型。仅限 macOS。	`cua-driver` 在 `$PATH` 中（通过 `hermes tools` 安装）

注意

Honcho 工具（honcho_profile、honcho_search、honcho_context、honcho_reasoning、honcho_conclude）不再是内置工具。它们可通过 Honcho 内存提供者插件在 plugins/memory/honcho/ 获得。安装和使用请参见内存提供者。

`image_gen` 工具集

工具	描述	所需环境
`image_generate`	使用 FAL.ai 从文本提示生成高质量图像。底层模型由用户配置（默认：FLUX 2 Klein 9B，亚秒级生成），代理无法选择。返回单个图片 URL。使用 `![alt](url)` 显示。	FAL_KEY

`kanban` 工具集

当代理（a）由看板调度器生成（设置了 HERMES_KANBAN_TASK 环境变量）或（b）在显式启用 kanban 工具集的配置文件中运行时注册。任务范围的工作器使用其分配任务的生命周期工具；编排器配置文件额外获得看板路由工具，如 kanban_list 和 kanban_unblock。完整工作流请参见看板多代理。

工具	描述	所需环境
`kanban_show`	显示分配给此工作器的活动看板任务（标题、描述、评论、依赖项）。	`HERMES_KANBAN_TASK` 或 `kanban` 工具集
`kanban_list`	使用过滤器列出看板任务。仅编排器可用；对调度器生成的任务工作器隐藏。	包含 `kanban` 工具集的配置文件
`kanban_complete`	将当前任务标记为完成，并附带结构化的交接负载（结果、工件、后续事项）。	`HERMES_KANBAN_TASK` 或 `kanban` 工具集
`kanban_block`	因用户问题阻塞当前任务——调度器暂停，显示问题，并在用户回复后恢复。	`HERMES_KANBAN_TASK` 或 `kanban` 工具集
`kanban_heartbeat`	在长时间运行的操作期间发送进度心跳，以便调度器知道工作器仍在运行。	`HERMES_KANBAN_TASK` 或 `kanban` 工具集
`kanban_comment`	向任务线程添加评论而不改变其状态——用于展示中间发现。	`HERMES_KANBAN_TASK` 或 `kanban` 工具集
`kanban_create`	从当前任务派生子任务。由编排器和生成后续任务的工作器使用。	`HERMES_KANBAN_TASK` 或 `kanban` 工具集
`kanban_link`	使用父→子依赖边链接任务。	`HERMES_KANBAN_TASK` 或 `kanban` 工具集
`kanban_unblock`	将阻塞的任务返回为 `ready` 状态。仅编排器可用；对调度器生成的任务工作器隐藏。	包含 `kanban` 工具集的配置文件

`memory` 工具集

工具	描述	所需环境
`memory`	将重要信息保存到跨会话持久的内存中。你的内存在会话开始时出现在系统提示中——它让你在对话之间记住关于用户和环境的信息。何时保存：...	—

`messaging` 工具集

工具	描述	所需环境
`send_message`	向已连接的消息平台发送消息，或列出可用目标。重要：当用户要求发送到特定频道或个人（不仅仅是平台名称）时，首先调用 `send_message(action='list')` 查看可用目标。	—

`moa` 工具集

工具	描述	所需环境
`mixture_of_agents`	将困难问题路由到多个前沿 LLM 协作处理。进行 5 次 API 调用（4 个参考模型 + 1 个聚合器），最大推理努力——谨慎用于真正困难的问题。最适合：复杂数学、高级算法、...	OPENROUTER_API_KEY

`session_search` 工具集

工具	描述	所需环境
`session_search`	搜索存储在本地会话数据库中的过去会话，或在会话内滚动。基于 FTS5 的检索；返回数据库中的实际消息（无 LLM 调用）。三种形式：发现（传递 `query`）、滚动（传递 `session_id` + `around_message_id`）、浏览（无参数）。	—

`skills` 工具集

工具	描述	所需环境
`skill_manage`	管理技能（创建、更新、删除）。技能是你的程序性记忆——针对重复任务类型的可复用方法。新技能保存到 `~/.hermes/skills/`；现有技能可以在其所在位置修改。动作：create（完整 SKILL.md 内容）、update（更新现有技能）、delete（删除技能）。	—
`skill_view`	技能允许加载关于特定任务和工作流的信息，以及脚本和模板。加载技能的完整内容或访问其链接文件（引用、模板、脚本）。首次调用返回 SKILL.md 内容以及...	—
`skills_list`	列出可用技能（名称 + 描述）。使用 `skill_view(name)` 加载完整内容。	—

`terminal` 工具集

工具	描述	所需环境
`process`	管理使用 `terminal(background=true)` 启动的后台进程。动作：'list'（显示所有）、'poll'（检查状态 + 新输出）、'log'（完整输出带分页）、'wait'（阻塞直到完成或超时）、'kill'（终止）、'write'（向进程标准输入发送输入）。	—
`terminal`	在 Linux 环境中执行 shell 命令。文件系统在调用之间持久化。设置 `background=true` 用于长时间运行的服务器。设置 `notify_on_complete=true`（与 `background=true` 一起）可在进程完成时自动收到通知——无需轮询。不要使用 cat/head/tail——使用 `read_file`。不要使用 grep/rg/find——使用 `search_files`。	—

`todo` 工具集

工具	描述	所需环境
`todo`	管理当前会话的任务列表。用于包含 3 个以上步骤的复杂任务或用户提供多个任务时。无参数调用以读取当前列表。写入：- 提供 'todos' 数组以创建/更新项目 - merge=...	—

`vision` 工具集

工具	描述	所需环境
`vision_analyze`	使用 AI 视觉分析图像。在支持视觉的主模型上，返回原始图像像素作为多模态工具结果，使模型在下一轮原生看到它们。在纯文本主模型上，回退到辅助视觉模型，该模型描述图像并将描述作为文本返回。工具签名无论哪种方式都相同。	—

`video` 工具集

可选工具集（默认 hermes-cli 集中不加载）。通过 --toolsets video 添加或在 toolsets: 配置中包含 video。

工具	描述	所需环境
`video_analyze`	分析来自 URL 或文件路径的视频内容——字幕、场景分解、关键时间戳和视觉描述。	—

`video_gen` 工具集

可选工具集（默认 hermes-cli 集中不加载）。通过 --toolsets video_gen 添加或在 hermes tools → 视频生成中启用，该过程还会引导你选择后端。

后端作为插件提供，位于 plugins/video_gen/<name>/ 下：

xAI Grok-Imagine — 文本转视频和图像转视频（SuperGrok OAuth 或 XAI_API_KEY）。
FAL.ai — Veo 3.1、Pixverse v6、Kling O3（需要 FAL_KEY）。

单个 video_generate 工具涵盖两种模式——传递 image_url 以动画化静态图像，省略则仅从文本生成。活动后端自动路由到正确的端点。工具描述在会话启动时重建，以反映活动后端的实际能力（模式、宽高比、分辨率、持续时间范围、最大参考图像、音频支持）。后端编写请参见视频生成提供者插件。

工具	描述	所需环境
`video_generate`	使用用户配置的视频生成后端，从文本提示生成视频（文本转视频）或动画化静态图像（图像转视频）。传递 `image_url` 以动画化该图像；省略则仅从文本生成。后端自动路由到正确的端点。返回 `video` 字段中的 HTTP URL 或绝对文件路径。	活动的 `video_gen` 插件及其凭证（例如 `XAI_API_KEY`、`FAL_KEY`）

`web` 工具集

工具	描述	所需环境
`web_search`	搜索网络信息。默认返回最多 5 个结果，包含标题、URL 和描述。接受可选的 `limit`（1-100，默认 5）。查询会传递给配置的后端，因此当后端支持时，诸如 `site:domain`、`filetype:pdf`、`intitle:word`、`-term` 和 `"exact phrase"` 等操作符可能有效。	EXA_API_KEY 或 PARALLEL_API_KEY 或 FIRECRAWL_API_KEY 或 TAVILY_API_KEY
`web_extract`	从网页 URL 提取内容。以 Markdown 格式返回页面内容。也适用于 PDF URL——直接传递 PDF 链接，它会转换为 Markdown 文本。小于 5000 字符的页面返回完整 Markdown；较大的页面由 LLM 总结。	EXA_API_KEY 或 PARALLEL_API_KEY 或 FIRECRAWL_API_KEY 或 TAVILY_API_KEY

`x_search` 工具集

工具	描述	所需环境
`x_search`	使用 xAI 内置的 `x_search` 响应工具搜索 X（Twitter）帖子、个人资料和线程。用于 X 上的当前讨论、反应或声明，而非一般网页。默认关闭——通过 `hermes tools` → 🐦 X (Twitter) 搜索选择加入。仅当配置了 xAI 凭证时注册模式（check_fn 门控）。	XAI_API_KEY 或 xAI Grok OAuth（SuperGrok / Premium+）登录

`tts` 工具集

工具	描述	所需环境
`text_to_speech`	将文本转换为语音音频。返回一个 MEDIA: 路径，平台将其作为语音消息传递。在 Telegram 上以语音气泡播放，在 Discord/WhatsApp 上作为音频附件。在 CLI 模式下，保存到 `~/voice-memos/`。语音和提供者可配置。	—

`discord` 工具集

在 hermes-discord 平台工具集上注册（仅网关）。使用与消息适配器相同的机器人令牌。

工具	描述	所需环境
`discord`	读取并参与 Discord 服务器。动作包括 `search_members`、`fetch_messages`、`send_message`、`react`、`fetch_channel`、`list_channels` 等。	`DISCORD_BOT_TOKEN`

`discord_admin` 工具集

在 hermes-discord 平台工具集上注册。审核操作要求机器人拥有匹配的 Discord 权限。

工具	描述	所需环境
`discord_admin`	通过 REST API 管理 Discord 服务器：列出公会/频道/角色、创建/编辑/删除频道、管理角色授权、超时、踢出和封禁。	`DISCORD_BOT_TOKEN` + 机器人权限

`spotify` 工具集

由捆绑的 spotify 插件注册。需要 OAuth 令牌——运行 hermes spotify setup 一次以授权。

工具	描述	所需环境
`spotify_playback`	控制 Spotify 播放，检查活动播放状态，或获取最近播放的曲目。	Spotify OAuth
`spotify_devices`	列出 Spotify Connect 设备或将播放转移到其他设备。	Spotify OAuth
`spotify_queue`	检查用户的 Spotify 队列或向其中添加项目。	Spotify OAuth
`spotify_search`	搜索 Spotify 目录中的曲目、专辑、艺术家、播放列表、节目或剧集。	Spotify OAuth
`spotify_playlists`	列出、检查、创建、更新和修改 Spotify 播放列表。	Spotify OAuth
`spotify_albums`	获取 Spotify 专辑元数据或专辑曲目。	Spotify OAuth
`spotify_library`	列出、保存或移除用户保存的 Spotify 曲目或专辑。	Spotify OAuth

`hermes-yuanbao` 工具集

仅在 hermes-yuanbao 平台工具集上注册。元宝是腾讯的聊天应用；这些工具驱动其私信/群组/贴纸 API。

工具	描述	所需环境
`yb_query_group_info`	查询群组（应用中称为“派/Pai”）的基本信息：名称、所有者、成员数。	元宝凭证
`yb_query_group_members`	查询群组成员（用于 `@` 提及、按名称查找用户、列出机器人）。	元宝凭证
`yb_send_dm`	向群组中的用户发送私信/直接消息，可附带媒体文件。	元宝凭证
`yb_search_sticker`	按关键词搜索内置的元宝贴纸（TIM 表情）目录。	元宝凭证
`yb_send_sticker`	向当前元宝聊天发送内置贴纸。	元宝凭证

字节笔记本

hermes教程-内置工具参考

browser 工具集

browser 工具集（CDP 门控工具）

clarify 工具集

code_execution 工具集

cronjob 工具集

delegation 工具集

feishu_doc 工具集

feishu_drive 工具集

file 工具集

homeassistant 工具集

computer_use 工具集

image_gen 工具集

kanban 工具集

memory 工具集

messaging 工具集

moa 工具集

session_search 工具集

skills 工具集

terminal 工具集

todo 工具集

vision 工具集

video 工具集

video_gen 工具集

web 工具集

x_search 工具集

tts 工具集

discord 工具集

discord_admin 工具集

spotify 工具集

hermes-yuanbao 工具集