跳到主要内容

浏览器自动化

Hermes Agent 内置了完整的浏览器自动化工具集，支持多种后端选项：

  • Browserbase 云模式 通过 Browserbase 使用托管的云浏览器和反机器人防护工具
  • Browser Use 云模式 通过 Browser Use 作为替代的云浏览器服务提供商
  • Firecrawl 云模式 通过 Firecrawl 使用内置爬取功能的云浏览器
  • Camofox 本地模式 通过 Camofox 实现本地反检测浏览（基于 Firefox 的指纹伪装）
  • 本地 Chrome 通过 CDP —— 使用 /browser connect 连接您自己的 Chrome 实例
  • 本地浏览器模式 通过 agent-browser CLI 和本地 Chromium 安装实现

在所有模式下，该代理均可实现网站导航、页面元素交互、表单填写以及信息提取。

概述​

页面以 可访问性树（基于文本的快照）形式表示，非常适合 LLM 代理使用。交互元素会分配引用 ID（如 @e1、@e2），代理使用这些 ID 进行点击和输入。

主要功能：

  • 多提供商云执行 —— 支持 Browserbase、Browser Use 或 Firecrawl —— 无需本地浏览器
  • 本地 Chrome 集成 —— 通过 CDP 连接到您正在运行的 Chrome，实现实时浏览
  • 内置隐身能力 —— 随机指纹、验证码破解、住宅代理（Browserbase）
  • 会话隔离 —— 每个任务拥有独立的浏览器会话
  • 自动清理 —— 会话在超时后自动关闭
  • 视觉分析 —— 截图 + AI 分析，实现视觉理解

设置​

Browserbase 云模式​

要使用 Browserbase 管理的云浏览器，请添加：

# Add to ~/.hermes/.env
BROWSERBASE_API_KEY=***
BROWSERBASE_PROJECT_ID=your-project-id-here

在 browserbase.com 获取您的凭证。

Browser Use 云模式​

要将 Browser Use 作为您的云浏览器服务提供商，请添加：

# Add to ~/.hermes/.env
BROWSER_USE_API_KEY=***

在 browser-use.com 获取您的 API 密钥。Browser Use 通过其 REST API 提供云浏览器服务。如果同时设置了 Browserbase 和 Browser Use 的凭证，Browserbase 优先级更高。

Firecrawl 云模式​

要使用 Firecrawl 作为您的云浏览器服务提供商，请添加：

# Add to ~/.hermes/.env
FIRECRAWL_API_KEY=fc-***

在 firecrawl.dev 获取您的 API 密钥。然后选择 Firecrawl 作为您的浏览器提供商：

hermes setup tools
# → Browser Automation → Firecrawl

可选设置：

# Self-hosted Firecrawl instance (default: https://api.firecrawl.dev)
FIRECRAWL_API_URL=http://localhost:3002

# Session TTL in seconds (default: 300)
FIRECRAWL_BROWSER_TTL=600

Camofox 本地模式​

Camofox 是一个自托管的 Node.js 服务器，封装了 Camoufox（一个带有 C++ 指纹伪装功能的 Firefox 分支）。它提供无需云依赖的本地反检测浏览。

# Install and run
git clone https://github.com/jo-inc/camofox-browser && cd camofox-browser
npm install && npm start   # downloads Camoufox (~300MB) on first run

# Or via Docker
docker run -d --network host -e CAMOFOX_PORT=9377 jo-inc/camofox-browser

然后在 ~/.hermes/.env 中设置：

CAMOFOX_URL=http://localhost:9377

或通过 hermes tools → 浏览器自动化 → Camofox 进行配置。

当设置了 CAMOFOX_URL 后，所有浏览器工具将自动通过 Camofox 路由，而不是 Browserbase 或 agent-browser。

持久化浏览器会话​

默认情况下，每个 Camofox 会话都会获得一个随机身份 —— Cookie 和登录信息在代理重启后不会保留。要启用持久化浏览器会话：

# In ~/.hermes/config.yaml
browser:
  camofox:
    managed_persistence: true

启用后，Hermes 会向 Camofox 发送一个稳定的、作用域于配置文件的身份标识。Camofox 服务器将此标识映射到一个持久化的浏览器配置文件目录，因此 Cookie、登录信息和 localStorage 可在重启后保留。不同的 Hermes 配置文件将获得不同的浏览器配置文件（配置文件隔离）。

备注

Camofox 服务器端也必须配置 CAMOFOX_PROFILE_DIR 才能实现持久化。

VNC 实时视图​

当 Camofox 以有头模式运行（显示浏览器窗口）时，其健康检查响应中会暴露一个 VNC 端口。Hermes 会自动发现该端口，并将 VNC URL 包含在导航响应中，使代理可以分享链接供您实时观看浏览器操作。

本地 Chrome 通过 CDP（/browser connect）​

您可以不使用云服务提供商，而是通过 Chrome DevTools Protocol (CDP) 将 Hermes 浏览器工具连接到您自己的运行中的 Chrome 实例。这在您希望实时查看代理操作、需要使用自己的 Cookie/会话的页面，或避免云浏览器成本时非常有用。

在 CLI 中使用：

/browser connect              # Connect to Chrome at ws://localhost:9222
/browser connect ws://host:port  # Connect to a specific CDP endpoint
/browser status               # Check current connection
/browser disconnect            # Detach and return to cloud/local mode

如果 Chrome 未以远程调试模式运行，Hermes 将尝试自动启动它并使用 --remote-debugging-port=9222。

提示

手动启动 Chrome 并启用 CDP：

# Linux
google-chrome --remote-debugging-port=9222

# macOS
"/Applications/Google Chrome.app/Contents/MacOS/Google Chrome" --remote-debugging-port=9222

通过 CDP 连接后，所有浏览器工具（如 browser_navigate、browser_click 等）将操作您实际的 Chrome 实例，而不是启动云会话。

本地浏览器模式​

如果您 未 设置任何云凭证，也未使用 /browser connect，Hermes 仍可通过本地 Chromium 安装驱动的 agent-browser 使用浏览器工具。

可选环境变量​

# Residential proxies for better CAPTCHA solving (default: "true")
BROWSERBASE_PROXIES=true

# Advanced stealth with custom Chromium — requires Scale Plan (default: "false")
BROWSERBASE_ADVANCED_STEALTH=false

# Session reconnection after disconnects — requires paid plan (default: "true")
BROWSERBASE_KEEP_ALIVE=true

# Custom session timeout in milliseconds (default: project default)
# Examples: 600000 (10min), 1800000 (30min)
BROWSERBASE_SESSION_TIMEOUT=600000

# Inactivity timeout before auto-cleanup in seconds (default: 120)
BROWSER_INACTIVITY_TIMEOUT=120

安装 agent-browser CLI​

npm install -g agent-browser
# Or install locally in the repo:
npm install
信息

browser 工具集必须包含在您配置的 toolsets 列表中，或通过 hermes config set toolsets '["hermes-cli", "browser"]' 启用。

可用工具​

browser_navigate​

导航至指定 URL。必须在调用其他任何浏览器工具之前调用。用于初始化 Browserbase 会话。

Navigate to https://github.com/NousResearch
提示

对于简单的信息检索，优先使用 web_search 或 web_extract —— 它们速度更快且成本更低。当需要与页面交互（如点击按钮、填写表单、处理动态内容）时，才使用浏览器工具。

browser_snapshot​

获取当前页面的基于文本的可访问性树快照。返回可交互元素及其引用 ID（如 @e1、@e2），可用于 browser_click 和 browser_type。

  • full=false（默认）：紧凑视图，仅显示可交互元素
  • full=true：完整页面内容

超过 8000 个字符的快照将由 LLM 自动摘要。

browser_click​

通过快照中提供的引用 ID 点击指定元素。

Click @e5 to press the "Sign In" button

browser_type​

在输入框中输入文本。先清空字段，再输入新文本。

Type "hermes agent" into the search field @e3

browser_scroll​

上下滚动页面以显示更多内容。

Scroll down to see more results

browser_press​

按下键盘上的一个键。适用于提交表单或导航操作。

Press Enter to submit the form

支持的键：Enter、Tab、Escape、ArrowDown、ArrowUp 等。

browser_back​

返回浏览器历史记录中的上一页。

browser_get_images​

列出当前页面上的所有图片，包含其 URL 和替代文本。适用于查找需分析的图片。

browser_vision​

截取屏幕快照并使用视觉 AI 进行分析。当文本快照无法捕捉重要视觉信息时使用——尤其适用于验证码（CAPTCHA）、复杂布局或视觉验证挑战。

快照将被持久保存，返回文件路径及 AI 分析结果。在消息平台（Telegram、Discord、Slack、WhatsApp）中，可要求代理分享快照——它将通过 MEDIA: 机制作为原生图片附件发送。

What does the chart on this page show?

快照存储在 ~/.hermes/cache/screenshots/ 目录下，并在 24 小时后自动清理。

browser_console​

获取当前页面的浏览器控制台输出（日志/警告/错误信息）以及未捕获的 JavaScript 异常。对于检测未在可访问性树中显示的静默 JS 错误至关重要。

Check the browser console for any JavaScript errors

使用 clear=True 可在读取后清空控制台，使后续调用仅显示新消息。

实用示例​

填写网页表单​

User: Sign up for an account on example.com with my email john@example.com

Agent workflow:
1. browser_navigate("https://example.com/signup")
2. browser_snapshot()  → sees form fields with refs
3. browser_type(ref="@e3", text="john@example.com")
4. browser_type(ref="@e5", text="SecurePass123")
5. browser_click(ref="@e8")  → clicks "Create Account"
6. browser_snapshot()  → confirms success

研究动态内容​

User: What are the top trending repos on GitHub right now?

Agent workflow:
1. browser_navigate("https://github.com/trending")
2. browser_snapshot(full=true)  → reads trending repo list
3. Returns formatted results

会话录制​

自动将浏览器会话录制为 WebM 视频文件：

browser:
  record_sessions: true  # default: false

启用后，录制会在首次调用 browser_navigate 时自动开始，并在会话结束时保存至 ~/.hermes/browser_recordings/。支持本地和云（Browserbase）模式。超过 72 小时的录制文件将自动清理。

隐蔽功能​

Browserbase 提供自动隐蔽能力：

功能默认状态说明
基础隐蔽始终开启随机指纹、视口随机化、验证码自动求解
住宅代理开启通过住宅 IP 路由，提升访问成功率
高级隐蔽关闭使用自定义 Chromium 构建，需 Scale 计划
保持连接开启网络中断后自动重连
备注

如果您的计划未包含付费功能，Hermes 会自动降级处理——首先禁用 keepAlive，然后禁用代理，确保免费计划下仍可正常浏览。

会话管理​

  • 每个任务通过 Browserbase 获得一个隔离的浏览器会话
  • 会话在不活动后自动清理（默认：2 分钟）
  • 后台线程每 30 秒检查一次过期会话
  • 进程退出时执行紧急清理，防止会话孤儿
  • 会话通过 Browserbase API 释放（REQUEST_RELEASE 状态）

限制​

  • 基于文本的交互 —— 依赖可访问性树，而非像素坐标
  • 快照大小 —— 大型页面可能在 8000 字符处被截断或由 LLM 摘要
  • 会话超时 —— 云会话根据您的服务提供商计划设置过期
  • 成本 —— 云会话消耗服务提供商积分；会话在对话结束或不活动后自动清理。如需免费本地浏览，请使用 /browser connect
  • 无法下载文件 —— 无法从浏览器下载文件