浏览器自动化

Hermes Agent 提供完整的浏览器自动化工具集，支持多种后端选项，让你能够自动化网页交互、提取信息和执行各种浏览器操作。

功能概述

Hermes 的浏览器自动化支持多种运行模式：

Browserbase 云端模式 - 通过 Browserbase 使用托管云浏览器和反爬虫工具
Browser Use 云端模式 - 通过 Browser Use 作为替代云浏览器提供商
Firecrawl 云端模式 - 通过 Firecrawl 使用内置爬虫功能的云浏览器
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 Chromium CDP 模式 - 使用 /browser connect 连接到你自己的 Chrome、Brave、Chromium 或 Edge 实例
本地浏览器模式 - 通过 agent-browser CLI 和本地 Chromium 安装

在所有模式下，Agent 都可以导航网站、与页面元素交互、填写表单和提取信息。

核心能力

多提供商云端执行 - Browserbase、Browser Use 或 Firecrawl - 无需本地浏览器
本地 Chromium 集成 - 通过 CDP 连接到你正在运行的 Chrome、Brave、Chromium 或 Edge 浏览器
内置隐身功能 - 随机指纹、验证码解决、住宅代理（Browserbase）
会话隔离 - 每个任务获得独立的浏览器会话
自动清理 - 不活跃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

页面以可访问性树（基于文本的快照）形式呈现，非常适合 LLM Agent。交互元素获得引用 ID（如 @e1、@e2），Agent 使用这些 ID 进行点击和输入操作。

配置方法

Nous Portal 订阅用户

如果你拥有付费的 Nous Portal 订阅，可以通过 Tool Gateway 使用浏览器自动化，无需单独的 API 密钥。新安装用户可以运行 hermes setup --portal 登录并一次性启用所有网关工具；现有安装可以通过 hermes model 或 hermes tools 选择 Nous Subscription 作为浏览器提供商。

Browserbase 云端模式

要使用 Browserbase 托管的云浏览器，添加以下配置：

# 添加到 ~/.hermes/.env
BROWSERBASE_API_KEY=***
BROWSERBASE_PROJECT_ID=your-project-id-here

在 browserbase.com 获取你的凭证。

Browser Use 云端模式

要使用 Browser Use 作为云浏览器提供商，添加：

# 添加到 ~/.hermes/.env
BROWSER_USE_API_KEY=***

在 browser-use.com 获取你的 API 密钥。如果同时设置了 Browserbase 和 Browser Use 的凭证，Browserbase 优先。

Firecrawl 云端模式

要使用 Firecrawl 作为云浏览器提供商，添加：

# 添加到 ~/.hermes/.env
FIRECRAWL_API_KEY=fc-***

在 firecrawl.dev 获取你的 API 密钥。然后选择 Firecrawl 作为浏览器提供商：

hermes setup tools
# → Browser Automation → Firecrawl

可选设置：

# 自托管 Firecrawl 实例（默认：https://api.firecrawl.dev）
FIRECRAWL_API_URL=http://localhost:3002

# 会话 TTL（秒）（默认：300）
FIRECRAWL_BROWSER_TTL=600

混合路由：云端处理公网 URL，本地处理局域网/本地主机

当配置了云提供商时，Hermes 会自动为解析到私有/回环/局域网地址的 URL 启动本地 Chromium 侧车：

私有地址：localhost、127.0.0.1、192.168.x.x、10.x.x.x、172.16-31.x.x
本地域名：*.local、*.lan、*.internal
IPv6 回环：::1
链路本地：169.254.x.x

公网 URL 继续使用云提供商。这解决了”我在本地开发但使用 Browserbase”的常见工作流程。

此功能默认启用。要禁用它：

browser:
  cloud_provider: browserbase
  auto_local_for_private_urls: false

Camofox 本地模式

Camofox 是一个自托管的 Node.js 服务器，包装了 Camoufox（一个带有 C++ 指纹伪装的 Firefox 分支）。

# 首先克隆 Camofox 浏览器服务器
git clone https://github.com/jo-inc/camofox-browser
cd camofox-browser

# 使用 Docker 构建并启动（自动检测架构）
make up

# 停止并移除默认容器
make down

# 强制重新构建
make reset

然后在 ~/.hermes/.env 中设置：

CAMOFOX_URL=http://localhost:9377

或通过 hermes tools → Browser Automation → Camofox 进行配置。

持久化浏览器会话

默认情况下，每个 Camofox 会话获得随机身份 - Cookie 和登录状态不会在 Agent 重启后保留。要启用持久化浏览器会话，在 ~/.hermes/config.yaml 中添加：

browser:
  camofox:
    managed_persistence: true

注意：配置路径必须是 browser.camofox.managed_persistence，而不是顶层。

本地 Chromium CDP 连接 (`/browser connect`)

你可以通过 Chrome DevTools Protocol (CDP) 将 Hermes 浏览器工具连接到你自己的 Chrome、Brave、Chromium 或 Edge 实例。

注意：/browser connect 是交互式 CLI 斜杠命令 - 不在网关中调度。在 WebUI、Telegram、Discord 或其他网关聊天中运行它时，消息将作为纯文本发送给 Agent，命令不会执行。从终端启动 Hermes（hermes 或 hermes chat）并在那里执行 /browser connect。

在 CLI 中使用：

/browser connect              # 自动启动/连接到本地的 Chromium 浏览器 http://127.0.0.1:9222
/browser connect ws://host:port  # 连接到特定的 CDP 端点
/browser status               # 检查当前连接
/browser disconnect           # 断开连接并返回云端/本地模式

如果浏览器尚未以远程调试模式运行，Hermes 会尝试自动启动支持的 Chromium 浏览器并启用 --remote-debugging-port=9222。

手动启动 Chromium 浏览器：

# Linux - Brave
brave-browser \
  --remote-debugging-port=9222 \
  --user-data-dir=$HOME/.hermes/chrome-debug \
  --no-first-run \
  --no-default-browser-check &

# Linux - Google Chrome
google-chrome \
  --remote-debugging-port=9222 \
  --user-data-dir=$HOME/.hermes/chrome-debug \
  --no-first-run \
  --no-default-browser-check &

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

使用示例

基本网页导航

导航到 https://github.com/NousResearch/hermes-agent 并总结页面内容。

表单填写和交互

打开 https://example.com/contact，填写联系表单，姓名填"张三"，邮箱填"zhangsan@example.com"，消息填"你好，我对你们的产品感兴趣"。

数据提取

访问 https://news.ycombinator.com，提取前 10 条新闻的标题和链接。

截图和视觉分析

导航到 https://example.com/dashboard，截图并分析页面布局。

多步骤工作流

1. 访问 https://github.com/login
2. 点击登录按钮
3. 输入用户名和密码
4. 导航到我的仓库页面
5. 创建一个新 issue，标题为"功能请求：添加浏览器自动化文档"

最佳实践

选择合适的后端

场景	推荐后端	原因
快速原型开发	Browserbase	无需配置，即开即用
反检测需求	Camofox	内置指纹伪装
本地开发测试	CDP 连接	使用你的真实浏览器会话
大规模爬取	Firecrawl	内置爬虫功能
敏感操作	本地 Chromium	数据不离开本地机器

安全建议

不要在公共仓库中提交 API 密钥 - 始终使用 ~/.hermes/.env 文件
使用专用浏览器配置文件 - 为自动化任务创建独立的浏览器用户数据目录
限制云提供商访问 - 为 Browserbase 等项目使用受限的 API 密钥
注意混合路由 - 了解哪些 URL 走云端，哪些走本地

性能优化

合理设置超时 - 根据目标网站的响应速度调整 FIRECRAWL_BROWSER_TTL
使用会话持久化 - 对于需要登录的任务，启用 managed_persistence
关闭不必要的标签页 - 减少浏览器内存占用
批量操作 - 将多个小任务合并为一个浏览器会话

故障排除

问题	可能原因	解决方案
无法连接到本地浏览器	调试端口未开启	确保使用 `--remote-debugging-port=9222` 启动
云浏览器访问本地 URL 失败	SSRF 保护	启用 `auto_local_for_private_urls` 或使用本地模式
Camofox 会话不持久	配置路径错误	确保使用 `browser.camofox.managed_persistence`
验证码无法通过	指纹检测	切换到 Camofox 或使用 Browserbase 的反爬虫功能

环境特定配置

WSL2 用户：当 Hermes 在 WSL2 中运行而浏览器在 Windows 上时，使用 MCP 桥接：

hermes mcp add chrome-devtools-win --command cmd.exe --args /c npx -y chrome-devtools-mcp@latest --autoConnect --no-usage-statistics

Docker 用户：确保容器可以访问主机的调试端口：

docker run --network host ...

远程服务器：使用 SSH 端口转发访问本地浏览器：

ssh -N -L 9222:127.0.0.1:9222 user@remote