Hermes 浏览器工具：让 AI 替你操作网页

Hermes Hermes-Agent 浏览器自动化 BrowserHarness2026-06-23

前言

今天我们要介绍的是 Hermes Agent 的浏览器工具集。
用一句话说就是：让 AI 替你操作网页。

你给它一个网址，它能输入文字、点击按钮、滚动页面、截图分析，全程不需要你动手。

这套能力有两层实现方式。
第一层是 Hermes 内置的浏览器工具集，十几个工具覆盖了绝大多数网页操作需求。
第二层是 Browser Harness，一个第三方开源框架，能让 AI 自己编写操控脚本并优化，适合更复杂的任务。

如果你刚开始接触这些工具，别担心，我会从概念开始一步步带着你用起来。

什么是 Hermes 浏览器工具

Hermes 的浏览器工具有 10 个核心操作：

browser_navigate，打开网页，是所有操作的前提
browser_snapshot，获取当前页面的无障碍树快照，返回可交互元素的 ref ID
browser_click，点击 ref ID 对应的元素
browser_type，往输入框填入文字
browser_scroll，向上或向下滚动页面
browser_press，按键盘键（Enter、Tab、Escape 等）
browser_back，回退到上一页
browser_vision，截图并用 AI 分析画面内容
browser_get_images，列出页面上的所有图片
browser_console，读取浏览器控制台输出

如果通过 CDP 连接浏览器，还会额外解锁两个工具：browser_cdp（发送原始 CDP 指令）和 browser_dialog（处理 alert/confirm 弹窗）。

每个浏览器后端都支持这些工具，区别只在于浏览器跑在哪里。

启用浏览器工具集

浏览器工具默认没开，需要手动加到工具列表里：

1	hermes config set toolsets '["hermes-cli", "browser"]'

或者通过交互式配置：

1	hermes setup tools

在菜单中选择 Browser Automation 并选择你偏好的后端。

本地浏览器模式（零成本起步）

如果你刚开始接触，本地模式是最简单的起点。不花钱，不用注册任何云服务。

Hermes 通过 agent-browser 驱动本地安装的 Chromium。只需要确保系统里有 Chrome 或 Chromium：

1 2	npm install -g agent-browser

启动 Hermes 后，直接发指令：

1	帮我打开 https://www.36kr.com，看看今天有哪些热门资讯

Hermes 会自动启动一个后台 Chromium 进程，打开页面，抓取内容，然后把结果返回给你。

所有操作都在你的电脑上完成，不经过第三方服务器。

CDP 模式（亲眼看着 AI 操作）

本地模式浏览器跑在后台，你看不到操作过程。
如果你想亲眼看着 AI 操作，就用 CDP 模式。

先以远程调试模式启动你的浏览器。

macOS 上的 Chrome：

"/Applications/Google Chrome.app/Contents/MacOS/Google Chrome" \
  --remote-debugging-port=9222 \
  --user-data-dir="$HOME/.hermes/chrome-debug" \
  --no-first-run --no-default-browser-check &

浏览器启动后，打开控制台，运行 /browser connect：

1	/browser connect

连接成功后，AI 操作会直接反映在你眼前的浏览器窗口中。
适合调试网页，或者需要借用你已登录的会话的场景。

完成后用 /browser disconnect 断开连接。

Browser Harness 是什么

Browser Harness 是 browser-use/browser-harness 开源项目，让 AI 直接通过 CDP WebSocket 连上你的浏览器。
和内置的 browser_ 工具集相比，Browser Harness 的操控更底层、更灵活——AI 可以自己编写操控脚本并不断优化，这就是所谓的”自愈”能力。

它需要手动安装并注册为 Hermes 的技能才能使用：


git clone https://github.com/browser-use/browser-harness ~/browser-harness
cd ~/browser-harness


ln -s "$(pwd)" ~/.hermes/skills/browser-harness

然后在 Hermes 终端里直接告诉它用 Browser Harness 操作浏览器即可。

如果想通过 CDP 连接本地浏览器，还需要先以调试模式启动 Chrome：

"/Applications/Google Chrome.app/Contents/MacOS/Google Chrome" \
  --remote-debugging-port=9222 \
  --user-data-dir="$HOME/.hermes/chrome-debug" \
  --no-first-run --no-default-browser-check &

之后 Hermes 就能通过这个 CDP 通道操控 Chrome 页面。

使用场景

填表单、下单、预约

这是最直接的应用。
给 AI 一个注册链接，告诉它填入什么信息，它会自己导航到页面、找到输入框、填入内容、点击提交。

1	帮我用 email@example.com 在 example.com 注册一个账号，密码用 xxxxxx

抓取 JavaScript 渲染的数据

很多现代网站的数据是通过 AJAX 动态加载的。
普通的 web_extract 工具只能拿到初始 HTML，但浏览器工具会等 JavaScript 执行完毕后读取渲染后的 DOM。

1	打开我的后台面板 http://localhost:3000/dashboard，截图看看今天的指标

截图做可视化 QA

部署新版本后，让 AI 打开几个关键页面截图确认，可以替代人工巡检。

1	打开网站首页、登录页、个人中心，每页截图让我看看

多步骤研究

从一个文档页面出发，顺着链接跟踪到多个子页面，最后汇总信息。

1	打开 Hermes 官方文档的浏览器页面，看看支持哪些后端，帮我汇总成表格

Browser Harness 进阶：重复性操作自动化

对于需要每天重复的网页操作（登录后台、导数据、填写日报），Browser Harness 的 domain skills 机制能让这些步骤不断自我优化。AI 会记住每个网站的布局特征和操作流程，下一次执行得更快。

写在最后

Hermes 的浏览器工具给 AI 装上了一双能”看”能”点”的手。

本地模式适合初学者零成本体验，CDP 模式让你看着 AI 操作真实浏览器。
Browser Harness 则为复杂场景提供了自愈式的操控能力。

从简单的截图问答到完整的网页自动化流程，这套工具有很大的想象空间。

推荐订阅源

青萍叙事

前言