組み込みツールの一覧

このページでは、Hermes に最初から入っているツールを、ツールセットごとにまとめています。どれが使えるかは、動かしている環境・登録している認証情報・有効にしているツールセットによって変わります。

今の登録内容での本数: およそ 86 本です。内訳は、ブラウザ 10 本（基本）＋ CDP がある場合だけ増えるブラウザ 2 本、ファイル 4 本、Home Assistant 4 本、端末 2 本（terminal、process）、デスクトップ画面まわり 12 本（read_terminal、close_terminal、open_preview、close_preview、read_preview、drive_preview、annotate_preview、read_window_below、focus_pane、react_to_message、tour、tip — デスクトップアプリのセッションだけ）、Web 2 本、Feishu 5 本、Spotify 7 本（同梱の spotify プラグインが登録します）、Yuanbao 5 本、かんばん 12 本（かんばんの割り振り役がエージェントを起動したときに登録されます）、プロジェクト 3 本（デスクトップ／画面ありのセッション）、Discord 2 本、動画 3 本（video_generate、xai_video_edit、xai_video_extend）、そして単独で立っているひとにぎりのツール（memory、clarify、delegate_task、execute_code、cronjob、session_search、skill_view/skill_manage/skills_list、text_to_speech、image_generate、vision_analyze、video_analyze、todo、computer_use、x_search）です。

browser ツールセット

browser ツールセット（CDP があるときだけ使えるもの）

次の 2 本は browser ツールセットに属しますが、セッション開始時に Chrome DevTools Protocol の接続先が見つかったときだけ登録されます。接続先は /browser connect、browser.cdp_url の設定、Browserbase のセッション、Camofox のいずれかで用意します。

clarify ツールセット

まとめて質問する

clarify のツールは questions の配列も受け取れます（独立した 2〜5 問で、それぞれに choices と multi_select を持てます）。ひとつずつ聞かずに、確認したいことをまとめて 1 回で問いかけられます。結果は同じ順に並んだ responses の配列で返り、各問いに id を付けていればそれもそのまま返ります。

画面ごとの動きは次のとおりです。

• デスクトップは、すべての問いを 1 枚のカードに出します。選んだ内容や書いた答えはその場に置かれ、確認して続けるのボタン（全問に答えると押せるようになります）でまとめて送られます。置いてある答えは、その確認を押すまで直せます。スキップすると全部が取り消されます。
• TUI と CLI は、状態を短い一覧（✓ 回答済み / ▸ 今の問い / · これから）で示し、今の問いの選択肢だけを開きます。Enter で今の答えを確定して次の未回答へ進み、Tab で問いのあいだを行き来して好きな順に答えられます。Esc でまとめて取り消します。
• メッセージ系のプラットフォーム（Telegram、Discord など）では、これまでどおり 1 問ずつ順番に聞く形になります。利用者が返事をやめた場合、残りの問いは送られません。

途中で時間切れになっても、利用者がすでに確定した答えは残ります。ツールの結果にはその答えと "timed_out": true が入り、答えていない項目は空のままです。これによってエージェントは、わざと飛ばされたのか、人がいなくなったのかを区別できます。

code_execution ツールセット

cronjob ツールセット

delegation ツールセット

feishu_doc ツールセット

Feishu のドキュメントのコメントに自動で返す処理（gateway/platforms/feishu_comment.py）専用です。hermes-cli や、ふだんの Feishu チャットのつなぎ込みには出てきません。

feishu_drive ツールセット

Feishu のドキュメントのコメント処理専用です。ドライブ上のファイルに付いたコメントの読み書きを担います。

file ツールセット

homeassistant ツールセット

computer_use ツールセット

image_gen ツールセット

kanban ツールセット

登録されるのは、(a) かんばんの割り振り役がエージェントを起動したとき（環境変数 HERMES_KANBAN_TASK が入っているとき）か、(b) kanban ツールセットをはっきり有効にしたプロファイルで動いているときです。仕事ごとの担い手は、自分に割り当てられた仕事の進行に使うツールを持ちます。まとめ役のプロファイルには、これに加えて kanban_list や kanban_unblock のような盤面をさばくツールが付きます。全体の流れは Kanban Multi-Agent を見てください。

project ツールセット

デスクトップの Projects を動かすためのツールです。Projects は、名前を付けた、複数のフォルダをまとめた作業場です。project ツールセットを有効にしたとき（主にデスクトップアプリやダッシュボードの画面）に登録されます。

memory ツールセット

session_search ツールセット

skills ツールセット

terminal ツールセット

desktop_ui ツールセット

Hermes のデスクトップアプリから始まったセッションで有効になります。つないでいるバックエンドの種類（ローカル、SSH、URL、Hermes Cloud）は問いません。CLI、TUI、メッセージ系、定期実行のセッションには出てきません。

案内

tour のツールは、指す先を自分で見つけます。action='targets' を呼ぶと、画面にある指定できる要素すべてを、セレクタ・ラベル・stable の印つきで返します。安定したセレクタは、そのものを表す情報（data-tour、id、data-testid、aria-label）を手がかりにするので、再描画されても生き残ります。位置で数える nth-child の道筋はそうはいきません。だから安定したものが先に並び、そちらを選ぶべきです。

自分で長持ちする目印を要素に付けたいときは、こう書き加えます。

<div data-tour="composer">…</div>

目印は呼び出し側ではなく部品そのものに付けます。一度直せば、その部品を使っている場所すべてに名前が付きます。すでに用意されているものは次のとおりです。

新しい画面を足すときは、画面をひとつずつ印付けするのではなく、共通の部品に同じやり方で印を付けてください。そうすれば案内で使う語彙は小さいままで、セレクタが腐りません。

同じしくみは、デスクトップアプリの中にあらかじめ用意された（エージェントによらない）案内も支えています。機能ごとに自前の道案内を同梱できます。

startTour([
  { selector: '[data-tour="composer"]', title: 'Composer', text: 'Type here.' },
  { selector: '[data-tour="files"]', title: 'Files', text: 'Browse your project.' }
])

一歩ごとに、指す先がある場所へアプリを移すこともできます。案内が終われば、元の場所に戻ります。

startTour([
  { navigate: '/artifacts', selector: '[data-tour="page-tabs"]', title: 'Filters', text: '…' },
  { pane: 'sessions', selector: '[data-slot="sidebar"]', title: 'Sessions', text: '…' }
])

navigate にはルートのパスを、pane にはデスクトップのペイン名を渡します。どちらもその一歩に入るときに走り、あとから現れる対象は待ってくれます。案内を閉じれば——どのルートからでも、Esc でも——始めた場所に戻ります。

第 2 引数に 'preview' を渡すと、アプリではなくプレビューペインのページに対して動きます。

ひとこと案内

ひとこと案内は、演出を省いた案内の一歩です。吹き出しがひとつ、矢印がひとつ。画面を暗くもせず、めくるものもありません。「モデル名は実はボタンです」といった一文に指を添えるだけで分かりやすくなる場面には、これくらいの重さがちょうどよく、アプリ全体を暗くするほどではありません。

tip のツールは tour(action='targets') が返すのと同じセレクタを受け取ります。だから調べるのは 1 回で両方に足り、上に挙げた data-tour の目印もどちらからも使えます。画面に出るひとこと案内は同時にひとつだけで、新しいものが前のものと入れ替わります。

アプリ自身も、内蔵の機能一覧を順に巡ってひとこと案内を出せます。こちらは既定で有効で、設定 → 外観で切れます。出方は通知というよりゲームの読み込み画面の豆知識に近く、起動から早くても数分あと、そのあとも 6 時間に 1 回まで、しかも本当に手が空いているときだけです。✕ でひとつ閉じると、そのひとことは以後もう出てきません。同じ設定の行から戻せます。ツールのほうはこの切り替えの外にあり、tour と同じく、手が空いたときではなく会話に応じて動きます。ただし待ち時間は共有しているので、Hermes からひとこと案内を出すと、利用者にはそのあと 6 時間ぶんの静けさが訪れます。

todo ツールセット

vision ツールセット

video ツールセット

自分で選んで入れるツールセットです（既定の hermes-cli の一式には入っていません）。--toolsets video を付けるか、設定の toolsets: に video を入れてください。

video_gen ツールセット

自分で選んで入れるツールセットです（既定の hermes-cli の一式には入っていません）。--toolsets video_gen を付けるか、hermes tools → Video Generation で有効にしてください。後者では、どの処理先を使うかも順に選べます。

処理先は plugins/video_gen/<name>/ にプラグインとして同梱されています。

• xAI Grok-Imagine — 文章から動画、画像から動画（SuperGrok の OAuth か XAI_API_KEY）。
• FAL.ai — Veo 3.1、Pixverse v6、Kling O3（FAL_KEY が必要）。

video_generate の 1 本でどちらのやり方もまかなえます。静止画を動かすなら image_url を渡し、文章だけから作るなら省きます。有効な処理先に応じて、適切な送り先へ自動で振り分けられます。ツールの説明文はセッションの初めに組み直され、有効な処理先が実際にできること（扱える入力、縦横比、解像度、長さの範囲、見本にできる画像の数、音への対応）を映します。処理先そのものの作り方は Video Generation Provider Plugins を見てください。

web ツールセット

x_search ツールセット

tts ツールセット

discord ツールセット

hermes-discord のプラットフォームのツールセットとして登録されます（ゲートウェイのみ）。メッセージのつなぎ込みと同じボットのトークンを使います。

discord_admin ツールセット

hermes-discord のプラットフォームのツールセットとして登録されます。管理の操作をするには、ボットがそれに見合う Discord の権限を持っている必要があります。

spotify ツールセット

同梱の spotify プラグインが登録します。OAuth のトークンが必要です。hermes auth spotify を一度だけ実行して許可してください。

hermes-yuanbao ツールセット

hermes-yuanbao のプラットフォームのツールセットでだけ登録されます。Yuanbao はテンセントのチャットアプリで、これらのツールはその個別メッセージ・グループ・スタンプの API を動かします。