内置工具参考

本文档记录了 Hermes 的内置工具，按工具集（toolset）分组。可用性因平台、凭据和启用的工具集而异。

快速统计（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（在看板调度器生成代理时注册）、2 个 Discord 工具，以及一些独立工具（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）。

:::tip 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 工具以 mcp_<server>_ 前缀出现（例如，github MCP 服务器的 mcp_github_create_issue）。有关配置，请参阅 MCP 集成。 :::

browser 工具集

工具	描述	所需环境
browser_back	在浏览器历史中导航回上一页。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 在快照输出的方括号中显示。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。用于检测静默的 JavaScript 错误、失败的 API 调用和应用警告。需要……	—
browser_get_images	获取当前页面上所有图片的列表，包含其 URL 和替代文本。用于查找要使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。对于简单信息检索，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	按下一个键盘键。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更多的内容。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，用于 browser_click 和 browser_type。full=false（默认）：交互元素的紧凑视图。full=true：完整……	—
browser_type	将文本键入由 ref ID 标识的输入字段。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 分析。当你需要通过视觉理解页面上的内容时使用——特别适用于验证码、视觉验证挑战、复杂布局或文本快照……时。	—

browser 工具集（CDP 门控工具）

这两个工具位于 browser 工具集中，但仅在会话启动时 Chrome DevTools Protocol 端点可到达时注册——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。用于高级浏览器操作的逃生舱口，适用于较高级别的 browser_* 工具未涵盖的操作。请参阅 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——提供最多 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.……	—

code_execution 工具集

工具	描述	所需环境
execute_code	运行可以编程方式调用 Hermes 工具的 Python 脚本。当你需要 3+ 次工具调用并在其间包含处理逻辑、需要过滤/缩减大量工具输出后再进入上下文、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" 来管理任务。支持技能支持的任务，可附加一个或多个技能，skills=[] 在更新时清除附加的技能。Cron 运行在新的会话中，没有当前聊天的上下文。	—

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——中间的工具结果永远不会进入你的上下文窗口。两种……	—

feishu_doc 工具集

限定在飞书文档评论智能回复处理程序（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	给定 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程序中使用。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层评论。	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，最新在前。	飞书应用凭证
feishu_drive_list_comment_replies	列出特定飞书评论线程（整篇文档或局部选择）中的回复。	飞书应用凭证
feishu_drive_reply_comment	回复飞书评论线程，可选的 @ 提及。	飞书应用凭证

file 工具集

工具	描述	所需环境
patch	文件中进行目标查找-替换编辑。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 diff。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。代替终端中的 cat/head/tail。输出格式：‘LINE_NUM|CONTENT’。如果找不到文件，建议相似的文件名。对大型文件使用 offset 和 limit。注意：无法读取图像或二……	—
search_files	搜索文件内容或按名称查找文件。代替终端中的 grep/rg/find/ls。基于 Ripgrep，比 shell 等效命令更快。内容搜索（target=‘content’）：文件内的正则表达式搜索。输出模式：带行号的完整匹配……	—
write_file	将内容写入文件，完全替换现有内容。代替终端中的 echo/cat heredoc。自动创建父目录。会覆盖整个文件——使用 ‘patch’ 进行目标编辑。	—

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。可按域（light、switch、climate、sensor、binary_sensor、cover、fan 等）或按区域名称（living room、kitchen、bedroom 等）筛选。	—
ha_list_services	列出用于设备控制的可用 Home Assistant 服务（操作）。显示可以对每种设备类型执行哪些操作以及它们接受哪些参数。使用此工具发现如何控制通过 ha_list_entities 找到的设备。	—

computer_use 工具集

工具	描述	所需环境
computer_use	后台 macOS 桌面控制，通过 cua-driver 实现——截图（SOM / vision / AX）、点击/拖拽/滚动/键入/按键/等待、list_apps、focus_app。不会抢占用户的光标或键盘焦点。适用于任何支持工具调用的模型。仅 macOS。	cua-driver 在 $PATH 中（通过 hermes tools 安装）。

:::note Honcho 工具（honcho_profile、honcho_search、honcho_context、honcho_reasoning、honcho_conclude）不再是内置工具。它们通过 Honcho 记忆提供商插件位于 plugins/memory/honcho/ 中。有关安装和使用，请参阅 记忆提供商。 :::

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，次秒级生成），代理不可选择。返回单个图片 URL。使用……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。任务作用域的工作者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。请参阅 看板多代理 了解完整工作流。

工具	描述	所需环境
kanban_show	显示分配给此工作者的活动看板任务（标题、描述、评论、依赖）。	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；对调度器生成的任务工作者隐藏。	配置了 kanban 工具集的配置文件
kanban_complete	将当前任务标记为完成，附带结构化的交接负载（结果、制品、后续行动）。	HERMES_KANBAN_TASK 或 kanban 工具集
kanban_block	将当前任务因向用户提问而阻塞——调度器暂停，显示问题，在有人回复后恢复。	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者仍在运行。	HERMES_KANBAN_TASK 或 kanban 工具集
kanban_comment	向任务线程添加评论而不更改其状态——适用于呈现中间发现。	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者使用。	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	将被阻塞的任务返回到 ready 状态。仅编排器；对调度器生成的任务工作者隐藏。	配置了 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化的记忆存储中。你的记忆在会话开始时出现在系统提示中——这是你跨对话记住用户和环境的方式。何时保存……	—

messaging 工具集

工具	描述	所需环境
send_message	向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人员（而不仅仅是裸平台名称）时，先调用 send_message(action=‘list’) 以查看可用目标……	—

moa 工具集

工具	描述	所需环境
mixture_of_agents	通过多个前沿 LLM 协作解决难题。进行 5 次 API 调用（4 个参考模型 + 1 个聚合器），最大推理努力——谨慎使用，仅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	搜索本地会话数据库中存储的过往会话，或在其中滚动。基于 FTS5 的检索；从 DB 返回实际消息（无 LLM 调用）。三种形态：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重用方法。新技能保存到 ~/.hermes/skills/；现有技能可以在其所在位置修改。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（参考资料、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。操作：‘list’（显示全部）、‘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’（发送原始 stdin 数据……	—
terminal	在 Linux 环境上执行 shell 命令。文件系统在调用之间持久存在。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。用于 3 步以上的复杂任务或用户提供多个任务时。无参数调用读取当前列表。写入：- 提供 ‘todos’ 数组创建/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。在支持视觉的主力模型上，返回原始图像像素作为多模态工具结果，模型在下一轮中原生看到它们。在仅文本的主力模型上，回退到辅助视觉模型，该模型描述图像并返回文本描述。工具签名在两种情况下相同。	—

video 工具集

选择性加入的工具集（默认 hermes-cli 集中未加载）。通过 --toolsets video 添加或将 video 包含在你的 toolsets: 配置中。

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

选择性加入的工具集（默认 hermes-cli 集中未加载）。通过 --toolsets video_gen 添加或在 hermes tools → Video Generation 中启用，后者还会引导你选择后端。

后端作为插件发布在 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）。

单一的 video_generate 工具涵盖两种模式——传递 image_url 可使静态图像动起来，省略则仅从文本生成。活动后端自动路由到正确的端点。工具的描述在会话启动时重建，以反映活动后端的实际能力（模态、宽高比、分辨率、时长范围、最大参考图像数、音频支持）。请参阅 视频生成提供商插件 了解后端创作。

工具	描述	所需环境
video_generate	从文本提示生成视频（文本转视频）或使用用户配置的视频生成后端将静态图像动起来（图像转视频）。传递 image_url 以使该图像动起来；省略则仅从文本生成。后端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。	活跃的 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	在网上搜索信息。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，因此诸如 site:domain、filetype:pdf、intitle:word、-term 和 "exact phrase" 等运算符在后端支持时可能有效。	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；更大的页面由 LLM 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 Responses 工具搜索 X（Twitter）帖子、个人资料和话题。用于 X 上的当前讨论、反应或说法，而非通用网页。默认关闭——通过 hermes tools → 🐦 X (Twitter) Search 选择加入。模式仅在配置了 xAI 凭据时注册（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，平台将其作为语音消息投递。在 Telegram 上作为语音气泡播放，在 Discord/WhatsApp 上作为音频附件播放。在 CLI 模式下，保存到 ~/voice-memos/。语音和提供商……	—

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	读取和参与 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

在 hermes-discord 平台工具集上注册。审核操作需要机器人持有匹配的 Discord 权限。

工具	描述	所需环境
discord_admin	通过 REST API 管理 Discord 服务器：列出服务器/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 一次进行授权。

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、艺人、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、保存或移除用户已保存的 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	查询群组的基本信息（在应用中称为”派/Pai”）：名称、群主、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，可选附带媒体文件。	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