内置工具参考

本页记录了 Hermes 工具注册表中按工具集分组的全部 68 个内置工具。可用性因平台、凭证和已启用工具集而异。

快速统计： 10 个浏览器工具（核心）+ 2 个浏览器 CDP 工具、4 个文件工具、10 个 RL 工具、4 个 Home Assistant 工具、2 个终端工具、2 个网页工具、5 个飞书工具、7 个 Spotify 工具、5 个元宝工具、2 个 Discord 工具，以及其他工具集中的 15 个独立工具。

MCP 工具

除内置工具外，Hermes 还可以从 MCP 服务器动态加载工具。MCP 工具带有服务器名称前缀（例如，github MCP 服务器的工具为 github_create_issue）。请参阅 MCP 集成了解配置方法。

`browser` 工具集

工具	描述	所需环境
`browser_back`	在浏览器历史记录中返回上一页。需要先调用 browser_navigate。	—
`browser_click`	点击快照中由 ref ID（如 `@e5`）标识的元素。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 消息和未捕获的 JS 异常。用于检测静默 JavaScript 错误、失败的 API 调用和应用程序警告。需…	—
`browser_get_images`	获取当前页面上所有图片的列表，包含其 URL 和 alt 文本。适用于查找要用视觉工具分析的图片。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、更经济）。当你需要…	—
`browser_press`	按键盘按键。适用于提交表单（Enter）、导航（Tab）或键盘快捷方式。需要先调用 browser_navigate。	—
`browser_scroll`	在某个方向滚动页面。用于显示当前视口以下或以上的更多内容。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）：紧凑视图，仅显示交互元素。full=true：完整视图…	—
`browser_type`	在由 ref ID 标识的输入框中输入文本。先清空输入框，再输入新文本。需要先调用 browser_navigate 和 browser_snapshot。	—
`browser_vision`	截取当前页面截图并用视觉 AI 分析。当需要直观理解页面内容时使用——尤其适用于 CAPTCHA、视觉验证挑战、复杂布局，或当文本快照…	—

`browser-cdp` 工具集

仅在会话开始时可访问 Chrome DevTools Protocol 端点时注册——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。用于高层 `browser_*` 工具未涵盖的浏览器操作的逃生舱口。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`	当 Agent 在继续之前需要澄清、反馈或决策时向用户提问。支持两种模式：1. 多选 — 提供最多 4 个选项，用户选择一个或通过第 5 个"其他"选项自由输入。2.…	—

`code_execution` 工具集

工具	描述	所需环境
`execute_code`	运行可编程调用 Hermes 工具的 Python 脚本。当需要 3 次以上工具调用且调用之间有处理逻辑、需要在大型工具输出进入上下文之前过滤/减少、需要条件分支（…）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"` 管理任务。支持附带一个或多个技能的任务，更新时 `skills=[]` 清除已附加的技能。定时运行在无当前聊天上下文的全新会话中发生。	—

`delegation` 工具集

工具	描述	所需环境
`delegate_task`	派生一个或多个子 Agent 在隔离上下文中处理任务。每个子 Agent 拥有独立的对话、终端会话和工具集。仅返回最终摘要——中间工具结果永不进入你的上下文窗口。两个…	—

`feishu_doc` 工具集

仅限飞书文档评论智能回复处理器（gateway/platforms/feishu_comment.py）。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

仅限飞书文档评论处理器。驱动云文档上的评论读写操作。

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层评论。	飞书应用凭证
`feishu_drive_list_comments`	列出飞书/Lark 文件上的全文档评论，最新的在前。	飞书应用凭证
`feishu_drive_list_comment_replies`	列出飞书特定评论线程（全文档或局部选区）的回复。	飞书应用凭证
`feishu_drive_reply_comment`	在飞书评论线程上发布回复，支持可选的 `@` 提及。	飞书应用凭证

`file` 工具集

工具	描述	所需环境
`patch`	文件中的定向查找替换编辑。用于代替终端中的 sed/awk。使用模糊匹配（9 种策略），轻微的空白/缩进差异不会导致失败。返回统一差异。编辑后自动运行语法检查…	—
`read_file`	读取带行号和分页的文本文件。用于代替终端中的 cat/head/tail。输出格式：`行号\|内容`。找不到时建议类似文件名。对大文件使用 offset 和 limit。注意：无法读取图片或…	—
`search_files`	搜索文件内容或按名称查找文件。用于代替终端中的 grep/rg/find/ls。基于 Ripgrep，比 Shell 等价命令更快。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。用于代替终端中的 echo/cat heredoc。自动创建父目录。会覆盖整个文件——对定向编辑使用 `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 发现每个域的可用服务及其参数。	—
`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。可选按域（light、switch、climate、sensor、binary_sensor、cover、fan 等）或按区域名称（客厅、厨房、卧室等）过滤。	—
`ha_list_services`	列出用于设备控制的可用 Home Assistant 服务（操作）。显示每种设备类型可以执行哪些操作以及接受哪些参数。使用此工具发现如何控制通过 ha_list_entities 找到的设备。	—

备注

Honcho 工具（honcho_profile、honcho_search、honcho_context、honcho_reasoning、honcho_conclude）不再是内置工具。它们通过 plugins/memory/honcho/ 的 Honcho 记忆提供商插件提供。安装和用法请参见记忆提供商。

`image_gen` 工具集

工具	描述	所需环境
`image_generate`	使用 FAL.ai 根据文字提示生成高质量图片。底层模型由用户配置（默认：FLUX 2 Klein 9B，亚秒生成），Agent 不可选择。返回单个图片 URL。显示方式…	FAL_KEY

`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存储的记忆中。你的记忆在会话开始时出现在系统提示中——这是你在对话间记住用户和环境信息的方式。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人（而非仅提供平台名称）时，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`	通过多个前沿 LLM 协作路由解决难题。发起 5 次 API 调用（4 个参考模型 + 1 个聚合器），以最大推理努力——仅对真正困难的问题谨慎使用。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`	搜索过去对话的长期记忆。这是你的回忆能力——每个过去的会话都可搜索，此工具会汇总发生的内容。主动使用时机：用户说"我们之前做过这个"、"还记得那次"、"上次时间"…	—

`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——用于重复任务类型的可复用方法。新技能保存到 ~/.hermes/skills/；现有技能可在其所在位置修改。操作：create（完整 SKILL.m…）。	—
`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`	管理通过 terminal(background=true) 启动的后台进程。操作：`list`（显示所有）、`poll`（检查状态 + 新输出）、`log`（带分页的完整输出）、`wait`（阻塞直到完成或超时）、`kill`（终止）、`write`（发送…	—
`terminal`	在 Linux 环境中执行 Shell 命令。调用之间文件系统持久保存。对长时间运行的服务器使用 `background=true`。使用 `notify_on_complete=true`（配合 `background=true`）在进程完成时自动获得通知——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。适用于包含 3 个以上步骤的复杂任务或用户提供多个任务时。不带参数调用以读取当前列表。写入时：提供 `todos` 数组以创建/更新条目——merge=…	—

`vision` 工具集

工具	描述	所需环境
`vision_analyze`	使用 AI 视觉分析图片。提供全面描述并回答关于图片内容的特定问题。	—

`web` 工具集

工具	描述	所需环境
`web_search`	在网络上搜索信息。默认返回最多 5 条结果，包含标题、URL 和描述。接受可选的 `limit`（1-100，默认 5）。查询会直接传递给配置的后端，因此当后端支持时，`site:domain`、`filetype:pdf`、`intitle:word`、`-term` 和 `"精确短语"` 等运算符可能有效。	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。也支持 PDF URL——直接传入 PDF 链接，它会转换为 Markdown 文本。小于 5000 字符的页面返回完整 Markdown；较大的页面经 LLM 摘要处理。	EXA_API_KEY 或 PARALLEL_API_KEY 或 FIRECRAWL_API_KEY 或 TAVILY_API_KEY

`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，由平台作为语音消息投递。在 Telegram 上作为语音气泡播放，在 Discord/WhatsApp 上作为音频附件。在 CLI 模式下，保存到 ~/voice-memos/。语音和提供商…	—

`discord` 工具集

注册在 hermes-discord 平台工具集上（仅限网关）。使用与消息适配器相同的机器人 Token。

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

`discord_admin` 工具集

注册在 hermes-discord 平台工具集上。管理操作需要机器人拥有相应的 Discord 权限。

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

`spotify` 工具集

由内置 spotify 插件注册。需要 OAuth Token——运行一次 hermes spotify setup 进行授权。

工具	描述	所需环境
`spotify_playback`	控制 Spotify 播放、检查活跃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不同设备。	Spotify OAuth
`spotify_queue`	检查用户的 Spotify 队列或向其添加曲目。	Spotify OAuth
`spotify_search`	在 Spotify 目录中搜索曲目、专辑、艺术家、播放列表、节目或单集。	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、保存或移除用户已收藏的 Spotify 曲目或专辑。	Spotify OAuth

`hermes-yuanbao` 工具集

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

工具	描述	所需环境
`yb_query_group_info`	查询群组（应用内称为"派"）的基本信息：名称、所有者、成员数量。	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，支持可选的媒体文件。	元宝凭证
`yb_search_sticker`	按关键词搜索元宝内置表情包（TIM 表情）目录。	元宝凭证
`yb_send_sticker`	向当前元宝聊天发送内置表情包。	元宝凭证

browser 工具集​

browser-cdp 工具集​

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​

image_gen 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​

web 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​