Boîte à outils Hermes Agent

Les outils sont le seul canal par lequel Hermes Agent interagit avec le monde extérieur—lire et écrire des fichiers, exécuter des commandes, rechercher sur le web, générer des images ; toutes les capacités sont exposées via des outils.

Hermes dispose de 70+ outils intégrés, organisés en 28 collections d'outils. Ce chapitre analysera les outils principaux, les paramètres et les bonnes pratiques de chaque collection d'outils une par une.


Architecture du système d'outils

Avant de plonger dans les outils spécifiques, commençons par comprendre comment les outils sont organisés.

Hermes utilise une structure à trois couches pour gérer les outils :

工具(Tool)          ← 单个可调用函数,如 read_file、web_search
  └── 工具集(Toolset)   ← 相关工具的逻辑分组,如 file、web
        └── 平台配置        ← 哪个平台加载哪些工具集

Conception clé: La désactivation d'une collection d'outils fait complètement disparaître ses outils du prompt système—non seulement ils ne sont plus appelables, mais l'Agent ignore totalement leur existence. Cela permet à la fois d'économiser des Tokens et d'empêcher l'Agent d'utiliser à mauvais escient des outils qu'il ne devrait pas utiliser.

Façons de gérer les ensembles d'outils :

# TUI 交互式管理(推荐)
hermes tools

# 命令行管理
hermes tools list                # 列出所有工具及启用状态
hermes tools enable browser      # 启用指定工具集
hermes tools disable audio       # 禁用指定工具集

Configurer dans config.yaml :

# 文件路径:~/.hermes/config.yaml
# 按平台指定启用的工具集
platform_toolsets:
  cli:
    - hermes-cli         # CLI 核心工具集
    - file
    - terminal
    - web
    - memory
    - skills

Version bureau, dans le menu Compétences et Outils à gauche :

Les outils peuvent également être gérés sur le tableau de bord, dans le menu des compétences à gauche :


Ensembles d'outils de fichiers et système

Ce type de collection d'outils permet à l'Agent de manipuler le système de fichiers local, d'exécuter des commandes et de gérer des processus.

file — opérations sur les fichiers

La collection d'outils la plus fondamentale ; l'Agent s'appuie sur elle pour presque toutes les tâches de lecture et d'écriture de fichiers.

OutilsFonctionnalitésParamètres clés
read_fileLire le contenu du fichierfile_path (requis), offset (ligne de départ), limit (nombre maximum de lignes)
write_fileCréer ou écraser un fichierfile_path (requis), content (requis)
edit_fileRemplacer précisément le texte dans les fichiersfile_path、old_string、new_string、replace_all
list_dirLister le contenu d'un répertoirepath (requis), recursive (s'il faut effectuer une récursion)
search_filesRechercher par motif de nom de fichierpattern (requis, prend en charge glob), path (répertoire racine de recherche)
search_contentRechercher du texte dans le contenu d'un fichierpattern (requis, prend en charge les regex), path, file_types

Fonctionnement de edit_file: Il utilise une correspondance exacte de sous-chaînes pour localiser le point de modification. L'Agent fournit old_string (texte qui existe réellement dans le fichier), l'outil le trouve et le remplace par new_string. Si old_string correspond à plusieurs emplacements, définissez replace_all: true pour remplacer toutes les occurrences.

edit_file est la méthode de modification de fichier la plus couramment utilisée par l'Agent—elle est plus sûre que write_file car si old_string n'est pas trouvé, l'opération échoue avec une erreur au lieu d'écraser accidentellement le fichier.

terminal — Exécution de commandes Shell

Permet à l'Agent d'exécuter des commandes Shell dans un environnement backend spécifié.

OutilsFonctionnalitésParamètres clés
run_commandExécuter une seule commande Shellcommand (requis), workdir (répertoire de travail), timeout (délai d'attente en millisecondes)
run_scriptExécuter des scripts Shell multilignesscript (requis, contenu de script multiligne), workdir, timeout

Les commandes s'exécutent dans le backend de terminal configuré—local, docker (conteneur), ssh (distant), etc.

Les résultats d'exécution incluent stdout, stderr et le code de sortie. L'agent peut utiliser ceci pour déterminer si la commande a réussi.

code — exécution de code en sandbox

Exécute des extraits de code dans un sandbox isolé, prenant en charge Python, JavaScript et Bash.

OutilsFonctionnalitésParamètres clés
execute_codeExécuter du code dans le sandboxlangage (python/js/bash), code (requis), timeout

Différence avec le terminal : l'outil code s'exécute dans un sandbox indépendant et ne peut pas accéder au système de fichiers (sauf s'il est explicitement monté). Il est adapté pour exécuter du code qui ne nécessite pas d'interaction avec les fichiers, comme la validation d'algorithmes et le traitement de données.

computer — automatisation de l'interface graphique du bureau

Contrôle la souris, le clavier et les captures d'écran de l'environnement de bureau.

OutilsFonctionnalités
capture d'écranCapturer l'écran ou une région spécifiée
clickCliquer avec la souris à des coordonnées spécifiées
typeSimuler la saisie de texte au clavier
scrollFaire défiler la molette de la souris
moveDéplacer la souris vers les coordonnées spécifiées

La collection d'outils informatiques est principalement utilisée pour les tests d'applications GUI et les opérations automatisées. Si votre cas d'utilisation n'implique pas d'applications de bureau, vous pouvez la désactiver pour économiser des Tokens.


Ensembles d'outils réseau et de contenu

Ces ensembles d'outils permettent à l'Agent de rechercher sur Internet, d'extraire le contenu de pages Web et d'automatiser les opérations du navigateur.

web — Recherche Web et extraction de contenu

Le principal canal par lequel l'Agent obtient des informations externes.

OutilsFonctionnalitésParamètres clés
web_searchRechercher du contenu sur Internetquery (obligatoire), num_results (nombre de résultats)
web_extractExtraire le contenu principal d'une URL spécifiéeurl (obligatoire), extract_mode (auto/text/markdown)

web_search renvoie une liste de résultats de recherche (titre + URL + résumé). L'Agent effectue généralement d'abord une recherche, puis appelle web_extract sur les pages d'intérêt pour obtenir un contenu détaillé.

Une API de recherche doit être configurée pour l'utiliser. Plusieurs fournisseurs sont pris en charge :

Exemple

# Chemin du fichier : ~/.hermes/config.yaml
# Configurer le backend de recherche web
web
:
  search_provider
: firecrawl    # ou brave, serpapi, tavily
  # Définir la clé API correspondante dans .env
  # FIRECRAWL_API_KEY=fc-...
  # Ou BRAVE_API_KEY=BS...

browser — Automatisation du navigateur

Capacités complètes de contrôle du navigateur — navigation, clics, remplissage de formulaires, captures d'écran — pour interagir avec les pages web comme un humain.

OutilsFonctionnalitésParamètres clés
navigateNaviguer vers une URL spécifiéeurl (obligatoire)
clickCliquer sur un élément de la pageselector (sélecteur CSS ou description textuelle)
fill_formRemplir les champs du formulairefields (correspondance entre les noms de champs et les valeurs)
capture d'écranCapturer la page actuellefull_page (indique s'il faut prendre une capture d'écran pleine page)
extractExtraire des données structurées d'une pageselector, format (json/text)
execute_jsExécute JavaScript dans la pagecode (requis)

La collection d’outils de navigateur nécessite Playwright ou un backend de navigateur cloud.

L’ensemble d’outils de navigateur consomme des ressources supplémentaires lors du lancement d’instances de navigateur. Si vous avez seulement besoin d’extraire le contenu textuel d’une page web, préférez web_extract à browser extract—le premier est une requête HTTP légère, tandis que le second nécessite le lancement d’un navigateur complet.

vision — analyse d’image

Permet à l’Agent de « comprendre » le contenu d’une image.

OutilsFonctionnalitésParamètres clés
analyze_imageAnalyser le contenu d’une image et générer une descriptionimage_path ou image_url (requis), question (facultatif, question spécifique sur l’image)
describe_imageGénérer une description textuelle détaillée d’une imageimage_path ou image_url (obligatoire)

L'outil de vision envoie des images à un LLM capable de vision (comme claude-sonnet-4-6, gpt-4o), et le modèle reconnaît et décrit le contenu de l'image.

audio — traitement audio

Reconnaissance vocale et synthèse vocale.

OutilsFonctionnalitésParamètres clés
transcribeConvertir des fichiers audio en texteaudio_path (obligatoire), language (facultatif)
ttsConvertir du texte en fichiers audiotext (obligatoire), voice (sélection de la voix), provider

Ensembles d'outils de capacités de l'Agent

Ce type de collection d'outils gère l'état propre de l'Agent — mémoire, compétences et collaboration entre sous-Agents.

memory — gestion de la mémoire

Lire et écrire la mémoire persistante et rechercher dans l'historique inter-sessions.

OutilsFonctionnalitésParamètres clés
memoryGérer la mémoire persistante (ajouter, supprimer, modifier)action(add/replace/remove)、target(memory/user)、content
session_searchRecherche en texte intégral dans les sessions historiquesquery (obligatoire, prend en charge la syntaxe FTS5)

L'outil de mémoire n'a pas d'opération de lecture—la mémoire persistante est déjà injectée dans le prompt système au démarrage de la session, donc l'Agent n'a pas besoin de la lire séparément.

skills — gestion des compétences

Charge et gère des compétences de workflow réutilisables.

OutilsFonctionnalitésParamètres clés
skills_listLister toutes les compétences installées et leurs descriptionsAucun (appelé automatiquement au démarrage de la session)
skill_viewCharger le contenu complet d'une compétencename (obligatoire), path (facultatif, charge les sous-fichiers de référence)
skill_manageCréer, modifier ou supprimer des fichiers de compétencesaction、name、content

délégation — délégation de sous-agents

Lance des sous-agents pour exécuter des tâches en parallèle.

OutilsFonctionnalitésParamètres clés
spawn_agentCrée un seul sous-agent pour exécuter une tâcheprompt (obligatoire), model (facultatif)
spawn_parallelCréer plusieurs sous-agents en parallèletasks (obligatoire, liste de tâches)

Les sous-agents disposent de fenêtres de contexte indépendantes et ne polluent pas l'historique de conversation de l'Agent principal. Après exécution, ils renvoient un résumé des résultats.

kanban — Tableau kanban multi-agents

Un système structuré de collaboration multi-Agent qui nécessite une activation explicite (all/* ne l'active pas automatiquement).

OutilsFonctionnalités
task_createCréer une nouvelle tâche dans le tableau kanban
task_updateMettre à jour le statut de la tâche (todo/in_progress/done)
task_listLister toutes les tâches du tenant
task_assignAssigne des tâches aux Agents worker désignés

Kanban est le mécanisme central de collaboration multi-Profile — un Profile orchestrateur crée des tâches, et plusieurs Profiles worker les revendiquent et les exécutent. Cela nécessite que les passerelles de plusieurs Profiles fonctionnent simultanément.


Ensemble d’outils de création multimédia

Ce type de collection d’outils nécessite généralement un abonnement Nous Portal ou la clé API tierce correspondante.

image_gen — génération d’images par IA

Génère des images à partir de descriptions textuelles, prenant en charge 9 modèles.

OutilsFonctionnalitésParamètres clés
generate_imageGénérer une image à partir d’un promptprompt(Obligatoire)、model(flux/gpt-image/ideogram etc.)、size、style

tts — synthèse vocale

Fonctionnalité TTS indépendante de la collection d’outils audio, offrant une sélection plus riche de fournisseurs.

OutilsFonctionnalités
text_to_speechConvertir du texte en fichiers audio
list_voicesLister les timbres de voix disponibles

Jeu d'outils personnalisé

Vous pouvez combiner des collections d'outils existantes en collections d'outils personnalisées propres au projet :

Exemple

# Chemin du fichier : ~/.hermes/config.yaml
# Définir une combinaison de jeux d'outils propre au projet
custom_toolsets
:
 # Outils nécessaires pour les projets de science des données
  data-science
:
   - file
    - terminal
    - code
    - web

  # Les projets d'écriture pure n'ont besoin que d'opérations sur des fichiers
  writing
:
   - file
    - web
    - memory

  # Les projets Ops ont besoin du terminal + des fichiers, pas d'un navigateur
  devops
:
   - file
    - terminal
    - memory

Lors de l'utilisation, via--toolsetsSpécification des paramètres :

Exemple

# Utiliser un ensemble d'outils personnalisé au démarrage
hermes --toolsets data-science chat

# Ou définir par défaut dans la configuration du profil
coder config set toolsets data-science

Flux d'appel d'outil

Comprendre le flux complet d'un appel d'outil aide à comprendre le comportement de l'Agent et à résoudre les problèmes.

Un appel d'outil complet passe par les étapes suivantes :

  1. Le LLM décide d'appeler un outil pendant qu'il génère sa réponse, en produisant le nom et les paramètres de l'outil
  2. Exécution du middleware tool_request (peut modifier les paramètres)
  3. Vérification d'approbation — si l'outil est une opération dangereuse, détermine s'il faut afficher une invite de confirmation en fonction de approvals.mode
  4. Exécution réelle de l'outil
  5. Le middleware tool_execution s'exécute (peut modifier les résultats)
  6. Le hook post_tool_call enregistre les données de télémétrie
  7. Le résultat de l'exécution est renvoyé au LLM, et le LLM continue à générer une réponse

Si votre Middleware modifie les paramètres d'outil, les paramètres modifiés constituent l'entrée pour l'approbation et l'exécution réelle. Si vous court-circuitez l'exécution dans le Middleware (renvoyez un résultat personnalisé), l'outil réel ne s'exécutera pas.


Statistiques d'utilisation des outils

Savoir quels outils sont fréquemment utilisés aide à optimiser la configuration de la collection d'outils et la consommation de tokens.

Dans une session, consultez les statistiques d'appels d'outils pour la session en cours :

Exemple

# Afficher les statistiques d'utilisation des outils pour cette session
/usage

# Exemple de sortie :
# Utilisation des tokens : Entrée 12,340 | Sortie 5,678 | Total 18,018
# Appels d'outils : read_file (15 fois) | edit_file (8 fois)
# terminal (3 fois) | web_search (2 fois)

Dans les scénarios de traitement par lots, le fichier statistics.json enregistre des statistiques plus détaillées :

Exemple

// Chemin du fichier : data/my_first_run/statistics.json
{
  "total_tool_calls": 1523,
  "tools": {
    "read_file": {"count": 520, "success": 510, "failure": 10},
    "edit_file": {"count": 380, "success": 375, "failure": 5},
    "terminal": {"count": 290, "success": 270, "failure": 20},
    "web_search": {"count": 180, "success": 178, "failure": 2}
  },
  "avg_tool_calls_per_turn": 2.4,
  "most_common_tool_sequence": [
    "read_file", "edit_file", "terminal"
  ]
}
autres extensions