組み込みツール一覧

このページでは、Hermes の組み込みツールをツールセットごとに説明します。何が使えるかは、動かしている環境、資格情報、有効にしているツールセットによって変わります。

ざっくりした数（現在の登録内容）: 約 100 個のツールがあります。内訳は、ブラウザ用の中核ツール 10 個、CDP がある場合だけ現れるブラウザツール 2 個、ブラウザの保管庫ツール 5 個、それに browser_exec、ファイル操作 4 個、ターミナル 2 個（terminal、process_manage）、デスクトップ GUI 用の 11 個（read_terminal、close_terminal、desktop_preview、drive_preview、annotate_preview、read_window_below、focus_pane、react_to_message、gui_tour、show_tip、set_theme — デスクトップアプリのセッション限定）、ウェブ 2 個、Feishu 5 個、Yuanbao 5 個、かんばん 14 個（かんばんのディスパッチャー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 1 個（desktop_project。デスクトップ / GUI のセッション向け）、Discord 2 個、動画 3 個（video_generate、xai_video_edit、xai_video_extend）、そして単体のツールがいくつか（memory、clarify、delegate_task、execute_code、cronjob_manage、session_search、skill_view/skill_manage/skills_list、text_to_speech、image_generate、vision_analyze、video_analyze、todo_list、computer_use、x_search）です。

browser ツールセット

browser ツールセット（CDP がある場合だけ現れるツール）

この 2 つは browser ツールセットに属しますが、セッションの開始時に Chrome DevTools Protocol の接続先に届く場合だけ登録されます。届く経路は /browser connect、browser.cdp_url の設定、Browserbase のセッション、Camofox のいずれかです。

clarify ツールセット

複数の質問をまとめて聞く

clarify ツールは questions の配列（それぞれに choices と multi_select を持つ、独立した質問を 1〜5 個）を受け取ります。順番に聞く代わりに、確認したいことをひとまとめにして一度に出せます。結果は {responses, outcome} です。responses は同じ順番の配列で、各項目には質問の文、choices_offered、status（answered、skipped、unanswered のいずれか）、user_response（答えがあったとき以外は null）が入ります。outcome は submitted、cancelled、timed_out、undelivered のいずれかです。

画面ごとの振る舞いは次のとおりです。

• デスクトップ では、すべての質問が 1 枚のカードに並びます。選択と入力はその場に溜まり、Confirm and continue ボタン（少なくとも 1 つの質問に答えると押せるようになります）で一括送信します。空欄の質問は飛ばされます。溜めた答えは確定するまで直せます。スキップすると全体が取り消されます。
• TUI と CLI では、簡潔な状態一覧（✓ 回答済み / ▸ 回答中 / · 未回答）が出て、回答中の質問の選択肢だけが開きます。Enter でいまの答えを確定して次の未回答へ進み、Tab で質問の間を移動して好きな順に答えられます。何も入れずに送るとその質問を飛ばし、Esc で全体を取り消します。
• メッセージングのプラットフォーム（Telegram、Discord など）では、質問ごとにカードを 1 枚ずつ出して、1 問ずつ順に聞きます。skip と返すと、その質問を飛ばせます。途中で返事が来なくなれば、残りの質問は送られません。

途中で待ち時間が尽きた場合も、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が "outcome": "timed_out" とともに入り、残りには "status": "unanswered" が付くので、意図的に飛ばしたのか、そもそも人がいなかったのかを見分けられます。メッセージングのプラットフォームでは、待ちが終わった理由も "notice" として入ります（[user did not respond within Nm]、プラットフォームがカードを受け付けなかったときは [clarify prompt could not be delivered] — Hermes はまず番号付きの箇条書きメッセージとして質問し直し、それも失敗したときだけこう報告します。問いかけるチャットが無い実行では [clarify prompt could not be delivered: no chat surface]）。届かなかった問いかけが、利用者の無反応として報告されることはありません。

connections ツールセット

外部アプリの 2 種類を、ひとつのツールで扱います。対象になるのは、管理されたコネクター（"gmail" や {"name": "gmail"}。Nous のゲートウェイ経由で認可します）か、手元の MCP サーバー （{"name": "linear", "mcp": true}。mcp_servers に書いた項目）です。

1 回の呼び出しの締め切りは 5 分で、呼び出しが始まった時点でバックエンドが決めます。 チャットを開き直しても、デスクトップを再起動しても延びません。このツールが現れるのは、 ログイン中のアカウントに対して Nous Portal がコネクターを有効にしている場合（トークンに managed_tools の クレームがある場合）だけです。それ以外のセッションには出てきません。

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 の文書コメントに自動で返信する処理（gateway/platforms/feishu_comment.py）専用です。hermes-cli や通常の Feishu チャット用アダプターには出てきません。

feishu_drive ツールセット

Feishu の文書コメント処理専用です。ドライブ上のファイルに対するコメントの読み書きを担当します。

file ツールセット

手元のファイルについては、伏せ字のない全体の読み取り（同じ版のファイルの全ページを含みます）、成功した write_file、全体を読んだファイルへの自分の patch のいずれかがあれば、ファイル全体の基準が手に入ります。そのあと一部だけを読み直しても、中身のバイトが変わらないかぎりこの基準は失われません。ほかの書き手がファイルを変えた場合、まだ読んでいない場合、全体を読まずに patch した場合、伏せ字や省略のある表示しか見ていない場合は、置き換える前にあらためて全体を読む必要があります。patch による部分的な編集はそのまま使えます。ターミナルのコマンドや execute_code から書き込んでも、write_file の基準にはなりません。

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、エージェントが (a) かんばんのディスパッチャーから起動された（環境変数 HERMES_KANBAN_TASK がある）とき、または (b) kanban ツールセットを明示的に有効にしたプロファイルで動いているときです。タスク単位で動くワーカーは、割り当てられたタスクのライフサイクル用ツールを使います。とりまとめ役のプロファイルには、さらに kanban_list や kanban_unblock のような盤の差配用ツールが加わります。一連の流れは かんばんによるマルチエージェント をご覧ください。

project ツールセット

デスクトップの プロジェクト（名前を付けた、複数のフォルダーをまとめた作業場）を操作するツールです。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

catalog ツールセット

デスクトップアプリから始まったセッションで、接続先のバックエンドがどれであっても有効になります。CLI、TUI、hermes -z、cron、kanban、メッセージングのセッションには、設定の一覧に名前があっても与えられません。all にも含まれません。外すには agent.disabled_toolsets: [catalog] を指定します。

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。つないでいる先が ローカル、SSH、URL、Hermes Cloud のいずれでもかまいません。CLI、TUI、 メッセージング、定時実行のセッションには出てきません。

案内ツアー

アプリをひととおり見て回るだけなら、手順を付けずに gui_tour(action='start') を呼ぶと、デスクトップアプリ組み込みのツアーが流れます。preset='quick' は基本の4か所（セッション、入力欄、新しいセッション、モデル）を案内し、preset='full'（既定）は今の画面モードに応じた案内先を足します。要素が画面にない案内先は飛ばされます。組み込みのツアーが動くのは surface='app' のときだけで、preset と steps は同時に指定できません。

自分で作るツアーでは、gui_tour ツールが案内する先を自分で見つけます。action='targets' を呼ぶと、画面上で指し示せる要素が、セレクター、ラベル、stable の印付きで返ってきます。安定したセレクターは素性（data-tour、id、data-testid、aria-label）を手がかりにするので再描画をまたいでも生き残ります。位置で指定する nth-child の経路は生き残らないので、安定したものが先に並び、そちらを選ぶのが良いやり方です。

要素に自分で消えない手がかりを付けるには、こう書きます。

<div data-tour="composer">…</div>

手がかりは呼び出し側ではなく基本部品のほうに付けるので、一度直せばすべての箇所に名前が付きます。すでにあるものは次のとおりです。

画面を足すときは、ひとつずつ印を付けるのではなく、共有している基本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が少なく保たれ、セレクターが腐るのも防げます。

同じ仕組みは、デスクトップアプリに用意された（エージェントによらない）案内も支えています。機能ごとに専用の手ほどきを同梱できます。

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

途中の手順でアプリを対象のある場所へ移すこともでき、案内が終わると元に戻ります。

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

navigate には経路のパスを、pane にはデスクトップの画面名を渡します。どちらもその手順に入った時点で実行され、あとから現れる対象は待ってくれます。案内を閉じると、どの経路からでも、Esc であっても、始めた場所へ戻ります。

2 番目の引数に 'preview' を渡すと、アプリではなくプレビュー画面のページを対象にできます。

ひとこと案内

ひとこと案内は、演出を省いたツアーの 1 手順です。吹き出しがひとつ、矢印がひとつ、覆いも無ければ、 めくるものもありません。「モデル名はボタンです」のように、対象を指さしながら伝えたほうが はっきりする一文にちょうどよい重さで、そのためにアプリ全体を暗くするのはやりすぎ、という場面のためのものです。

show_tip ツールは gui_tour(action='targets') が返すのと同じセレクターを取るので、 対象探しは両方で 1 回の呼び出しで済みます。前に挙げた消えない data-tour の手がかりも、 どちらからも対象を指せます。画面に出るひとこと案内は一度にひとつで、新しいものが前のものと入れ替わります。

アプリ自身もひとこと案内を出せます。組み込みの機能カタログを順にたどり、 通知というよりゲームのロード画面に出る豆知識くらいの間合いで見せます。起動から早くても 数分後、そのあとは 6 時間に 1 回まで、しかも本当に手が空いている瞬間だけです。 Hermes が出すひとことも同じ間合いを共有するので、出した時点で 6 時間は このローテーションが静かになります。ローテーションは一巡だけです。カタログの各項目は、 時間切れで消えても ✕ で閉じても一度ずつ出て、全部の出番が終わればアプリは黙ります。 設定の項目から、また一巡をやり直せます。

ひとこと案内もツアーも既定では有効で、設定 → 外観 （display.in_app_tips、display.in_app_tours）で切れます。切ると Hermes 側にも効きます。 この切り替えはつないでいるゲートウェイの設定にまで届き、ツールがモデルのスキーマから外れるので、 使ってはいけない画面のことをエージェントが知らされることはありません。スキーマの変更はどれもそうですが、 効くのは次のセッションからです。進行中の会話は始めたときのツールセットを保ち、 その間はアプリ側が呼び出しを断ります。

todo ツールセット

vision ツールセット

video ツールセット

任意で有効にするツールセットです（既定の hermes-cli の組には入っていません）。--toolsets video で足すか、設定の toolsets: に video を入れてください。

video_gen ツールセット

任意で有効にするツールセットです（既定の hermes-cli の組には入っていません）。--toolsets video_gen で足すか、hermes tools → Video Generation から有効にしてください。後者ではバックエンド選びも案内されます。

バックエンドは plugins/video_gen/<name>/ 以下のプラグインとして提供されます。

• xAI Grok-Imagine — 文章からの動画生成と画像からの動画生成（SuperGrok の OAuth か XAI_API_KEY）。
• FAL.ai — Veo 3.1、Pixverse v6、Kling 3.0 / O3（FAL_KEY が必要）。
• OpenRouter — OpenRouter の動画 API にある生成モデルすべて（Veo 3.1、Sora 2 Pro、Kling 3、Seedance 2、Wan 3、Hailuo 3、Grok Imagine、FLUX 3 Video など）。文章から、画像から、参考画像からの生成に対応し、カタログとモデルごとの上限はその場で取得します（OPENROUTER_API_KEY か、hermes auth add openrouter で追加した認証情報が必要で、料金は OpenRouter の残高から引かれます）。
• DeepInfra — OpenAI 互換の videos エンドポイント越しに、video-gen のカタログをその場で取得します（DEEPINFRA_API_KEY が必要）。

video_generate ひとつで両方の作り方をまかないます。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。有効なバックエンドが適切なエンドポイントへ自動で振り分けます。image_generate と同じく、モデルは利用者が設定するもので（video_gen.model）、エージェントからは選べません。動画系のツールはどれも model の引数を取らないのです。ツールの説明文はセッション開始時に組み立て直され、有効なバックエンドが実際にできること（生成の種類、縦横比、解像度、長さの範囲、参考画像の上限、音声の対応）を反映します。バックエンドの作り方は 動画生成プロバイダーのプラグイン をご覧ください。

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用ツールセットに登録されます（ゲートウェイのみ）。メッセージング用アダプター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用ツールセットに登録されます。管理の操作には、ボット側に対応する Discord の権限が必要です。

hermes-yuanbao ツールセット

hermes-yuanbao のプラットフォーム用ツールセットでのみ登録されます。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 DM・グループ・スタンプの API を操作します。