8月19日消息，Nous Research 的开源自进化 AI 代理 Hermes Agent 内置了一套完整的浏览器自动化工具集，覆盖导航、点击、输入、视觉分析、控制台读取等操作。这套工具集同时支持 Browserbase、Browser Use、Firecrawl 三家云浏览器服务，以及 Camofox、Lightpanda、本地 Chromium 系浏览器三种本地后端，用户可以在不同后端之间按任务切换。会话在 120 秒不活动后自动清理，公私网址自动分流。 工具集：无障碍树快照加引用 ID，默认由 Browser Use 驱动
Hermes Agent 的浏览器工具集以 browser_navigate 打开页面，随后用 browser_snapshot 获取页面的无障碍树快照。页面上的交互元素会被分配 @e1、@e2 这样的引用 ID，代理凭 ID 调用 browser_click 和 browser_type 完成点击与输入。工具集还包括 browser_scroll、browser_press、browser_back、browser_get_images、browser_vision 和 browser_console 等工具。browser_vision 负责截图加视觉分析，用于验证码、复杂页面等文本快照覆盖不到的场景；browser_console 读取控制台日志并可直接执行 JavaScript；browser_cdp 则是 Chrome DevTools Protocol 的直通接口，处理其他工具覆盖不到的操作。
这套能力有两种驱动方式。默认模式由 Browser Use CLI 3.0 驱动，代理只拿到一个 browser_exec 工具，通过编写并执行 Python 完成浏览器操作，该模式可以叠加在云端或本地的任一浏览器来源之上。Browser Use CLI 不可用时，Hermes 自动回退到上述内置工具集。
三种云服务与三种本地后端
云端一侧，Hermes 支持 Browserbase、Browser Use、Firecrawl 三家服务。Browserbase 提供托管云浏览器与反机器人能力，住宅代理和验证码求解默认开启；Firecrawl 内置抓取能力，浏览器会话默认存活 300 秒，可配置。持有 Nous Portal 付费订阅的用户可以不经单独配置，直接通过 Tool Gateway 使用云浏览器。
本地一侧有三个选择。Camofox 是自托管的反检测方案，基于带指纹伪装的 Firefox 分支，可通过配置实现登录状态跨会话保留。Lightpanda 是用 Zig 从零编写的无头浏览器，按 Lightpanda 官方口径，其启动速度比 Chrome 快 9 倍、内存占用低 16 倍，尚不支持的动作由 Hermes 自动回退 Chrome 完成。第三种是把工具集接入用户自己运行的 Chrome、Brave、Chromium 或 Edge，通过 CDP 协议连接，适合需要复用本人登录状态、或想实时观察代理操作的场景。
会话管理有一套默认规则。每个任务获得独立的浏览器会话；会话不活动超过 120 秒会被自动清理，后台线程每 30 秒检查一次过期会话，进程退出时也会兜底清理。配置了云服务之后，访问 localhost 或内网地址的请求会自动分流到一个本地 Chromium 旁路，公开网址仍走云端，云服务商不会看到内网地址。
这套工具集也有明确边界：交互基于文本无障碍树而非像素坐标，不支持从浏览器下载文件，云端会话消耗服务商的计费额度。
从 Hermes 模型到 Hermes Agent
Hermes Agent 出自以 Hermes 系列开源模型闻名的 Nous Research，采用 MIT 协议开源。该项目于 2026年2月25日在 GitHub 发布首个版本，此后迭代密集，5月9日曾以约 2710 亿 Token 的单日消耗量登上 OpenRouter 应用调用量榜首，超过 OpenClaw。据 TechCrunch 7月报道，Nous Research 正在洽谈新一轮融资，估值约 15 亿美元，目前该轮融资未见官方确认完成。 浏览器能力上，Hermes 与几个常被并列讨论的名字关系各不相同。Browser Use 既是独立的开源浏览器 Agent 框架，又在 Hermes 里扮演双重角色：既是可选的云端后端，也是默认的浏览器驱动。OpenClaw 是同一赛道的直接竞品，两者均为自托管的开源个人代理。Claude Code 的浏览器能力则依赖 chrome-devtools-mcp、Playwright MCP 等外部组件，浏览器工具并非内置。 把这套设计放在一起看，开源 Agent 的浏览器能力正在从「接入一家服务商」转向「按任务选后端」的分层架构：云端侧重免运维与反检测，本地侧重成本与登录态，同一套工具集在所有后端上复用。对自建 Agent 工作流的开发者，切换成本被压到了配置层；Browserbase、Browser Use、Firecrawl 这些浏览器服务商，则在同一框架内被并列成可替换的入口。Browser Use 从潜在竞品变成 Hermes 的默认驱动，也说明框架层正在把浏览器层收编为自己的组件，至于这种收编对浏览器层的独立厂商是利是弊，目前还缺少判断依据。
AI 速览
