Python脚本自动化：HermesAgent调用本地工具
来源：互联网 2026-04-23 19:52:15通过 Hermes Agent Python SDK 直接实例化 AIAgent 若需将 Hermes Agent 深度集成至自有 Python 脚本，并希望完全掌控其生命周期，直接使用其 Python SDK 是最直接、最灵活的方式。该方法允许现场定义工具、管理会话状态，无需依赖外部服务进程。 具
通过 Hermes Agent Python SDK 直接实例化 AIAgent
若需将 Hermes Agent 深度集成至自有 Python 脚本，并希望完全掌控其生命周期，直接使用其 Python SDK 是最直接、最灵活的方式。该方法允许现场定义工具、管理会话状态，无需依赖外部服务进程。
具体操作步骤如下：
长期稳定更新的攒劲资源： >>>点此立即查看<<<
1. 确保环境已安装 Hermes Agent Python 包。通常可通过 pip 命令完成：pip install hermes-agent。
2. 在脚本中导入核心的 AIAgent 类并进行初始化。这相当于为自动化任务创建一个专属的“智能体”。
3. 构建“工具包”。创建一个工具列表，将希望 Agent 调用的本地功能（如使用 subprocess 执行系统命令、读写特定文件等）封装成符合规范的工具函数，并传入 Agent。
4. 调用 run_conversation 方法。使用自然语言发出指令，例如“帮我列出当前目录下所有的 .py 文件”。Agent 将理解意图并自动调用相应工具。
5. 从方法返回结果中，精准捕获 tool_result 字段。此字段包含本地工具执行后的原始输出，脚本可据此进行后续逻辑判断与处理。
调用 Hermes Agent 内置 REST API 服务并注入本地工具插件
若倾向于服务化架构，即让 Hermes Agent 作为独立的 HTTP 服务运行并通过 API 调用，此方式较为合适。其优势在于职责分离，主程序仅需关注发送请求与接收结果。
实现路径如下：
1. 将封装了本地操作的工具脚本（如 file_tools.py）放置到 Hermes Agent 指定的插件目录下，通常为 ~/.hermes/tools/。
2. 在工具脚本中，按规定格式定义函数。使用 @tool 装饰器，并清晰声明每个参数的名称、类型和描述。这相当于为每个工具制作详细“说明书”，便于 Agent 理解与调用。
3. 以启用插件扫描的模式启动 Hermes Agent API 服务。命令示例：hermes api serve --host 0.0.0.0 --port 8000 --enable-plugins。启动后，服务将自动加载所有已放置的工具插件。
4. 在客户端代码中，使用 requests 库或其他 HTTP 客户端，向服务的 /v1/chat/completions 端点发送 POST 请求。请求体中的 messages 字段应包含触发工具调用的自然语言指令。
5. 检查 API 返回的 JSON 响应。若一切顺利，响应中将包含 "tool_calls" 字段，表明 Agent 已识别指令并成功调度相应本地工具执行。
通过 Unix Domain Socket 使用 ACP 协议调用已注册的本地工具
对于追求极致性能、需零网络延迟的本地集成场景（如嵌入 CI/CD 流水线或高频定时任务），通过 Unix Domain Socket 使用 ACP (Agent Communication Protocol) 协议是理想选择。此方式要求 Hermes Agent 进程已启动并加载了所需工具模块。
操作流程如下：
1. 确保 Hermes Agent 正以 ACP 模式运行。启动命令通常包含 --mode acp 参数。
2. 查看 Agent 启动时的日志输出，找到其创建的 socket 文件路径。此路径通常固定，例如 /tmp/hermes-acp.sock。
3. 在 Python 脚本中，使用标准 socket 模块连接至此 socket 文件路径。连接建立后，即可通过发送二进制协议帧与 Agent 通信。
4. 构造 ACP 协议帧时，需正确设置消息头。将 type 设置为 "tool_invoke"，并在 payload 中完整提供工具名（tool_name）、调用参数（arguments）及会话ID（session_id）等信息。
5. 发送请求后，等待并接收 Agent 返回的响应帧。解析响应帧中的 status 字段，它将明确指示调用结果为 "success" 或 "error"。若成功，可从 result 字段提取工具执行的具体内容。
利用 Hermes Agent CLI 子进程调用并解析标准输出
最后一种方式最为轻量，几乎无任何依赖。它不要求安装 SDK，也无需预先启动服务，非常适合执行一次性、低耦合的自动化任务。但其缺点是无法实时获取工具执行的中间状态，只能等待最终结果。
实施思路如下：
1. 准备一个临时的 YAML 配置文件片段。在文件中指定模型相关配置，例如将 model.provider 设为 ollama，model.name 指向本地已部署的模型（如 qwen2.5:7b）。
2. 将此配置文件保存为 temp_config.yaml，并通过环境变量 HERMES_CONFIG_PATH 让 Hermes Agent 在运行时加载它。
3. 构造一条完整的命令行指令。示例：hermes chat --session-id auto --message "执行命令：df -h"。此指令将触发一次完整的聊天会话并执行指定操作。
4. 在 Python 脚本中，使用 subprocess.run 执行此命令行。关键参数设置为：capture_output=True 和 text=True，以捕获命令执行后打印到标准输出（stdout）的所有文本。
5. 对捕获的输出文本进行正则表达式匹配，寻找以特定标记（例如 TOOL_RESULT:）开头的行。此行之后的内容即为本地工具执行后返回的最终结果，可提取用于后续处理。
侠游戏发布此文仅为了传递信息，不代表侠游戏网站认同其观点或证实其描述
