内置工具参考

本页面记录了 Hermes 的内置工具，按工具集分组。可用性因平台、凭证和启用的工具集而异。

快速数量统计（当前注册表）： 约 70 个工具 — 10 个浏览器工具（核心）+ 2 个 CDP 门控浏览器工具、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 Web 工具、5 个飞书工具、7 个 Spotify 工具（由捆绑的 spotify 插件注册）、5 个元宝工具、7 个看板工具（在看板调度器生成 Agent 时注册）、2 个 Discord 工具，以及少数独立工具（memory、clarify、delegate_task、execute_code、cronjob、session_search、skill_view/skill_manage/skills_list、text_to_speech、image_generate、video_generate、vision_analyze、video_analyze、mixture_of_agents、send_message、todo、computer_use、process）。

MCP 工具

除了内置工具外，Hermes 还可以从 MCP 服务器动态加载工具。MCP 工具带有前缀 mcp_<server>_（例如，mcp_github_create_issue 对应 github MCP 服务器）。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导航到上一页。需要先调用 browser_navigate。	—
browser_click	点击由快照中的 ref ID（例如 '@e5'）标识的元素。ref ID 会以方括号形式显示在快照输出中。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 调用和应用警告。Requi…	—
browser_get_images	获取当前页面上所有图片的列表，包含它们的 URL 和 alt 文本。适用于查找要使用 vision 工具分析的图片。需要先调用 browser_navigate。	—
browser_navigate	在浏览器中导航到某个 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，建议优先使用 web_search 或 web_extract（更快、更便宜）。当你需要…时使用浏览器工具。	—
browser_press	按下键盘按键。适用于提交表单（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存在的更多内容。需要先调用 browser_navigate。	—
browser_snapshot	获取当前页面无障碍树的文本化快照。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）：交互元素的紧凑视图。full=true: comp…	—
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。当你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，或者当文本快照不完整时。	—

browser 工具集（CDP 门控工具）

以下两个工具属于 browser 工具集，但仅在会话启动时可以通过 /browser connect、browser.cdp_url 配置、Browserbase 会话或 Camofox 访问 Chrome DevTools Protocol 端点时才注册。

工具	描述	所需环境
browser_cdp	发送原始的 Chrome DevTools Protocol 命令。当高级 browser_* 工具无法覆盖浏览器操作时，作为后备手段使用。参见 https://chromedevtools.github.io/devtools-protocol/	CDP 端点
browser_dialog	响应原生的 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	当你需要澄清、反馈或决策才能继续时，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”选项自行输入答案。2.…	—

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。当你需要连续 3 次以上调用工具并在调用之间添加处理逻辑，需要过滤/缩减大量工具输出以避免占用上下文，需要条件分支（…	—

cronjob 工具集

工具	描述	所需环境
cronjob	统一的任务调度管理器。使用 action="create"、"list"、"update"、"pause"、"resume"、"run" 或 "remove" 来管理任务。支持绑定一个或多个技能的任务，使用 skills=[] 更新任务会清除已绑定的技能。Cron 运行会在全新的会话中执行，不附带当前聊天上下文。	—

delegation 工具集

工具	描述	所需环境
delegate_task	生成一个或多个子 Agent，在隔离的上下文中处理任务。每个子 Agent 拥有自己的对话、终端会话和工具集。只返回最终的摘要——中间工具结果不会进入你的上下文窗口。两…	—

feishu_doc 工具集

范围限定在飞书文档评论智能回复处理器（gateway/platforms/feishu_comment.py）中。不会暴露在 hermes-cli 或常规的飞书聊天适配器上。

工具	描述	所需环境
feishu_doc_read	根据给定的 file_type 和 token，读取飞书/Lark 文档（Docx、Doc 或 Sheet）的全部文本内容。	飞书应用凭证

feishu_drive 工具集

范围限定在飞书文档评论处理器中。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 文件上的整篇文档评论，最近优先。	飞书应用凭证
feishu_drive_list_comment_replies	列出特定飞书/Lark 评论线程（整篇文档或局部选区）中的回复。	飞书应用凭证
feishu_drive_reply_comment	在飞书/Lark 评论线程中发布回复，可附带 @ 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。建议在终端中替代 sed/awk 使用。它采用模糊匹配（9 种策略），因此微小的空白/缩进差异不会破坏匹配。返回统一差异格式（unified diff）。编辑后自动运行语法检查……	—
read_file	读取文本文件，显示行号并分页。建议在终端中替代 cat/head/tail 使用。输出格式：LINE_NUM|CONTENT。如果未找到文件，会提示相似文件名。对大文件可以使用偏移量和限制。注意：无法读取图像……	—
search_files	搜索文件内容或按文件名查找文件。建议在终端中替代 grep/rg/find/ls 使用。基于 Ripgrep，速度比 shell 等价工具更快。内容搜索（target='content'）：对文件进行正则搜索。输出模式：完整匹配并显示行号……	—
write_file	将内容写入文件，完全替换已有内容。建议在终端中替代 echo/cat heredoc 使用。自动创建父目录。会覆盖整个文件——如需精确编辑请使用 'patch'。	—

homeassistant 工具集

工具	描述	所需环境
ha_call_service	调用 Home Assistant 服务来控制设备。使用 ha_list_services 来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	列出可用于设备控制的 Home Assistant 服务（动作）。显示每种设备类型可执行的操作及其接受的参数。使用此工具来发现如何控制通过 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 在后台进行 macOS 桌面控制——截图（SOM / 视觉 / 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。支持任何具备工具调用能力的模型。仅限 macOS。	cua-driver 位于 $PATH（通过 hermes tools 安装）。

노트

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 记忆提供者插件在 plugins/memory/honcho/ 路径下获取。安装和使用方法请参见记忆提供者。

image_gen 工具集

工具	描述	需要环境变量
image_generate	使用 FAL.ai 根据文本提示生成高质量图片。底层模型由用户配置（默认：FLUX 2 Klein 9B，生成时间低于1秒），Agent 无法选择。返回单个图片 URL。可通过……显示。	FAL_KEY

kanban 工具集

当 Agent 满足以下任一条件时注册该工具集：(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。任务级工作线程使用生命周期工具处理其分配的任务；编排器配置文件额外获得看板路由工具，如 kanban_list 和 kanban_unblock。完整工作流程请参见看板多 Agent。

工具	描述	需要环境变量
kanban_show	显示分配给该工作线程的当前看板任务（标题、描述、评论、依赖项）。	HERMES_KANBAN_TASK 或 kanban 工具集
kanban_list	使用筛选条件列出看板任务。仅编排器可用；对调度器生成的任务工作线程隐藏。	启用了 kanban 工具集的配置文件
kanban_complete	使用结构化的交接负载（结果、工件、后续事项）将当前任务标记为完成。	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，展示问题，待人类回复后继续。	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线程仍在运行。	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——适用于展示中间发现。	HERMES_KANBAN_TASK 或 kanban 工具集
kanban_create	从当前任务派生出子任务。由编排器和生成后续任务的工作线程使用。	HERMES_KANBAN_TASK 或 kanban 工具集
kanban_link	使用父→子依赖关系链接任务。	HERMES_KANBAN_TASK 或 kanban 工具集
kanban_unblock	将阻塞的任务恢复为 ready 状态。仅编排器可用；对调度器生成的任务工作线程隐藏。	启用了 kanban 工具集的配置文件

memory 工具集

工具	描述	需要环境变量
memory	将重要信息保存到跨会话持久化的记忆中。你的记忆会在会话开始时出现在系统提示中——这就是你如何在对话之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	需要环境
send_message	向已连接的消息平台发送消息，或列出可用目标。重要提示：当用户要求发送到特定频道或个人（不仅仅是平台名称）时，请先调用 send_message(action='list') 查看可用的目标…	—

moa 工具集

工具	描述	需要环境
mixture_of_agents	通过多个前沿LLM协作路由难题。进行5次API调用（4个参考模型+1个聚合器），使用最大推理能力——仅在真正困难的问题上谨慎使用。最适用于：复杂数学、高级算法…	OPENROUTER_API_KEY

session_search 工具集

工具	描述	需要环境
session_search	搜索存储在本地会话数据库中的历史会话，或在一个会话中滚动。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	需要环境
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重用方法。新技能存放在 ~/.hermes/skills/；现有技能可以在其所在位置修改。操作：创建（完整的 SKILL.m…）	—
skill_view	技能允许加载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关联文件（引用、模板、脚本）。首次调用返回 SKILL.md 内容以及一个…	—
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	需要环境
process	管理通过 terminal(background=true) 启动的后台进程。操作：'list'（列出所有）、'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'（发送…）	—
terminal	在 Linux 环境中执行 shell 命令。文件系统在调用之间持久化。对于长时间运行的服务器，设置 background=true。设置 notify_on_complete=true（与 background=true 一起）可以在进程完成时自动获得通知——无需轮询。不要使用 cat/head/tail —— 请使用 read_file。不要使用 grep/rg/find —— 请使用 search_files。	—

todo 工具集

工具	描述	需要环境
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，或当用户提供多个任务时。无参数调用可读取当前列表。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	利用 AI 视觉分析图像。在支持视觉的主流模型上，会以多模态工具结果的形式返回原始图像像素，让模型在下一轮直接原生看到它们。在纯文本模型上，则回退到辅助视觉模型，由该模型描述图像并将描述以文本形式返回。无论哪种情况，工具签名都完全相同。	—

video 工具集

选择性加入的工具集（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——包括字幕、场景分解、关键时间戳和视觉描述。	—

video_gen 工具集

选择性加入的工具集（默认 hermes-cli 集中不加载）。通过 --toolsets video_gen 添加，或在 hermes tools → Video Generation 中启用，该选项还会引导您选择后端。

后端以插件形式放置在 plugins/video_gen/<name>/ 目录下：

• xAI Grok-Imagine — 文本到视频和图像到视频（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——传入 image_url 可对静态图像进行动画化，省略该参数则仅从文本生成。活动后端会自动路由到正确的端点。该工具的描述会在会话启动时重建，以反映活动后端的实际能力（模式、宽高比、分辨率、时长范围、最大参考图像数、音频支持）。后端编写请参阅 视频生成提供者插件。

工具	描述	所需环境
video_generate	根据文本提示生成视频（文本到视频），或对静态图像进行动画化（图像到视频），使用用户配置的视频生成后端。传入 image_url 可对该图像进行动画化；省略该参数则仅从文本生成。后端会自动路由到正确的端点。在 video 字段中返回 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	搜索互联网以获取信息。默认返回最多 5 条结果，包含标题、URL 和描述。可接受可选的 limit 参数（1-100，默认 5）。查询会传递给配置的后端，因此后端支持时，诸如 site:域名、filetype:pdf、intitle:关键词、-术语 和 "精确短语" 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。也支持 PDF URL——直接传入 PDF 链接即可转换为 Markdown 文本。小于 5000 字符的页面返回完整 Markdown；较大的页面会由 LLM 进行摘要。	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）上的帖子、个人资料和话题串。适合查找 X 上的当前讨论、反应或言论，而非通用网页。默认关闭——通过 hermes tools → 🐦 X（Twitter）搜索 选入启用。仅当配置了 xAI 凭证时才会注册 Schema（通过 check_fn 门控）。	XAI_API_KEY 或 xAI Grok OAuth（SuperGrok 订阅）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，平台会将其作为语音消息发送。在 Telegram 上以语音气泡形式播放，在 Discord/WhatsApp 上作为音频附件播放。在 CLI 模式下，保存到 ~/voice-memos/。语音和提供方…	—

discord 工具集

注册在 hermes-discord 平台工具集上（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。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。审核操作需要机器人持有相应的 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 guilds/channels/roles，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 一次进行授权。

工具	描述	所需环境
spotify_playback	控制 Spotify 播放，检查当前播放状态，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	查看用户的 Spotify 队列或向其中添加项目。	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、查看、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、保存或删除用户已保存的 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。Yuanbao（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（在应用中称为“派/Pai”）的基本信息：名称、群主、成员数。	Yuanbao 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）。	Yuanbao 凭证
yb_send_dm	向群组中的用户发送私信/直接消息，可选附带媒体文件。	Yuanbao 凭证
yb_search_sticker	按关键词搜索内置的 Yuanbao 贴纸（TIM 表情）目录。	Yuanbao 凭证
yb_send_sticker	向当前 Yuanbao 聊天发送内置贴纸。	Yuanbao 凭证
--- BEGIN DOCUMENT CHUNK ---

--- END DOCUMENT CHUNK ---