瀏覽器工具

這是什麼

透過十個已註冊操作控制實際瀏覽器的工具集，可載入頁面、取得快照並操作網頁元素。

白話解釋

有些網站沒有提供 API，唯一入口就是訪客平常使用的網頁。瀏覽器工具讓 Hermes 直接操作這些頁面：開啟網站、點選選單、填寫欄位，並在每一步後查看最新快照，就像由人員親自檢查網站一樣。

為什麼重要

十個已註冊的操作涵蓋導覽、點擊、輸入、捲動、快照及相關互動，讓代理能自動化沒有 API 的網站。這可把「檢查儀表板並整理變更」從人工工作，轉成 cron 或子代理可執行的任務。由於瀏覽器工具是註冊項目最多的單一工具集之一，在重視成本的部署中，預設啟用它也會有較高的提示詞成本。

運作方式

browser 工具集包含十個已註冊的操作：navigate、snapshot、click、type、scroll、back、press、get_images、vision、console，另共用 web_search；底層由外部 agent-browser CLI 支援（tools/browser_tool.py）。在把這些工具提供給模型前，check_browser_requirements() 會先檢查環境。需求可由本機 Chromium、連至既有瀏覽器的 Chrome DevTools Protocol（CDP）連線、輕量的 Camofox 後端，或 Browserbase、Browser Use、Firecrawl 等已設定的雲端提供者滿足。這些探測本身都不需要發出網路請求，因此每次建立工具結構描述時執行也不會造成昂貴負擔。

具體範例

使用者要求 Hermes 檢查一個沒有匯出功能或 API 的儀表板網站：

1. Hermes 呼叫 browser_navigate 載入頁面。
2. 接著以 browser_snapshot 取得目前版面，再用 browser_click 與 browser_type 操作篩選條件。
3. 最後回報自上次檢查後出現的變更；因為工具集能直接操作頁面，所以即使網站無法以其他方式查詢也能完成任務。

如何連結

「瀏覽器工具」屬於「工具」系列。最直接相關的概念包括：「可設定工具集」、「檔案工具」、「代理執行環境」與「個人作業系統」。

來源證據

• vendor/hermes-agent/toolsets.py#<file> — toolsets.py 的結構性 Source Map 備援；此檔案屬於「工具、工具集與 MCP」中的工具註冊表及工具集結構。

工作流程

• 目前尚無第一輪工作流程對應；此概念仍透過文章與來源證據出現在知識庫圖譜中。

相關文章

• 目前沒有文章以足夠頻率直接提及此概念名稱或別名，尚未達到提及探勘門檻。

相關筆記

• 可設定工具集
• 檔案工具
• 代理執行環境
• 個人作業系統