工具运行时

Hermes 工具是自注册函数，按工具集分组，通过中心注册表/分发系统执行。

主要文件：

tools/registry.py
model_tools.py
toolsets.py
tools/terminal_tool.py
tools/environments/*

工具注册模型

每个工具模块在导入时调用 registry.register(...)。

model_tools.py 负责导入/发现工具模块并构建模型使用的 Schema 列表。

`registry.register()` 的工作方式

tools/ 中的每个工具文件在模块级调用 registry.register() 声明自己。函数签名：

registry.register(
    name="terminal",               # 唯一工具名（在 API Schema 中使用）
    toolset="terminal",            # 此工具所属的工具集
    schema={...},                  # OpenAI function-calling Schema（描述、参数）
    handler=handle_terminal,       # 工具调用时执行的函数
    check_fn=check_terminal,       # 可选：返回 True/False 表示可用性
    requires_env=["SOME_VAR"],     # 可选：需要的环境变量（用于 UI 显示）
    is_async=False,                # 处理器是否为异步协程
    description="Run commands",    # 人类可读的描述
    emoji="💻",                    # 旋转器/进度显示的 emoji
)

每次调用创建一个 ToolEntry，存储在单例 ToolRegistry._tools 字典中，以工具名为键。如果跨工具集出现名称冲突，会记录警告，后注册的优先。

发现：`discover_builtin_tools()`

当 model_tools.py 被导入时，它从 tools/registry.py 调用 discover_builtin_tools()。此函数使用 AST 解析扫描每个 tools/*.py 文件，查找包含顶层 registry.register() 调用的模块，然后导入它们：

# tools/registry.py（简化版）
def discover_builtin_tools(tools_dir=None):
    tools_path = Path(tools_dir) if tools_dir else Path(__file__).parent
    for path in sorted(tools_path.glob("*.py")):
        if path.name in {"__init__.py", "registry.py", "mcp_tool.py"}:
            continue
        if _module_registers_tools(path):  # AST 检查顶层 registry.register()
            importlib.import_module(f"tools.{path.stem}")

这种自动发现意味着新工具文件会自动被识别 — 无需维护手动列表。AST 检查只匹配顶层的 registry.register() 调用（不匹配函数内的调用），因此 tools/ 中的辅助模块不会被导入。

每次导入触发模块的 registry.register() 调用。可选工具中的错误（如图片生成缺少 fal_client）会被捕获并记录 — 它们不会阻止其他工具加载。

核心工具发现后，MCP 工具和插件工具也被发现：

MCP 工具 — tools.mcp_tool.discover_mcp_tools() 读取 MCP 服务器配置并从外部服务器注册工具。
插件工具 — hermes_cli.plugins.discover_plugins() 加载用户/项目/pip 插件，可能注册额外工具。

工具可用性检查（`check_fn`）

每个工具可以可选地提供 check_fn — 一个返回 True（可用）或 False（不可用）的可调用对象。典型检查包括：

API 密钥存在 — 如 Web 搜索的 lambda: bool(os.environ.get("SERP_API_KEY"))
服务运行中 — 如检查 Honcho 服务器是否已配置
二进制已安装 — 如验证浏览器工具的 playwright 是否可用

当 registry.get_definitions() 为模型构建 Schema 列表时，它运行每个工具的 check_fn()：

# 简化自 registry.py
if entry.check_fn:
    try:
        available = bool(entry.check_fn())
    except Exception:
        available = False   # 异常 = 不可用
    if not available:
        continue            # 跳过此工具

关键行为：

检查结果每次调用缓存 — 如果多个工具共享同一 check_fn，它只运行一次。
check_fn() 中的异常被视为"不可用"（故障安全）。
is_toolset_available() 方法检查工具集的 check_fn 是否通过，用于 UI 显示和工具集解析。

工具集解析

工具集是命名的工具捆绑。Hermes 通过以下方式解析它们：

显式的启用/禁用工具集列表
平台预设（hermes-cli、hermes-telegram 等）
动态 MCP 工具集
策划的专用集合如 hermes-acp

`get_tool_definitions()` 如何过滤工具

主入口点是 model_tools.get_tool_definitions(enabled_toolsets, disabled_toolsets, quiet_mode)：

如果提供了 enabled_toolsets — 仅包含这些工具集中的工具。每个工具集名称通过 resolve_toolset() 解析，将复合工具集展开为单个工具名。
如果提供了 disabled_toolsets — 从所有工具集开始，然后减去禁用的。
如果都没提供 — 包含所有已知工具集。
注册表过滤 — 解析后的工具名集合传递给 registry.get_definitions()，后者应用 check_fn 过滤并返回 OpenAI 格式的 Schema。
动态 Schema 修补 — 过滤后，execute_code 和 browser_navigate 的 Schema 被动态调整，仅引用实际通过过滤的工具（防止模型幻觉使用不可用的工具）。

旧版工具集名称

带 _tools 后缀的旧工具集名称（如 web_tools、terminal_tools）通过 _LEGACY_TOOLSET_MAP 映射到现代工具名以保持向后兼容。

分发

运行时，工具通过中心注册表分发，一些 Agent 级工具（如 memory/todo/session-search 处理）有 Agent 循环例外。

分发流程：模型 tool_call → 处理器执行

当模型返回 tool_call 时，流程如下：

模型响应包含 tool_call
    ↓
run_agent.py Agent 循环
    ↓
model_tools.handle_function_call(name, args, task_id, user_task)
    ↓
[Agent 循环工具？] → 由 Agent 循环直接处理（todo、memory、session_search、delegate_task）
    ↓
[插件前置钩子] → invoke_hook("pre_tool_call", ...)
    ↓
registry.dispatch(name, args, **kwargs)
    ↓
按名称查找 ToolEntry
    ↓
[异步处理器？] → 通过 _run_async() 桥接
[同步处理器？]  → 直接调用
    ↓
返回结果字符串（或 JSON 错误）
    ↓
[插件后置钩子] → invoke_hook("post_tool_call", ...)

错误包装

所有工具执行在两层级别进行错误处理包装：

registry.dispatch() — 捕获处理器的任何异常并返回 {"error": "Tool execution failed: ExceptionType: message"} 作为 JSON。
handle_function_call() — 在二级 try/except 中包装整个分发，返回 {"error": "Error executing tool_name: message"}。

这确保模型始终收到格式良好的 JSON 字符串，永远不会收到未处理的异常。

Agent 循环工具

四个工具在注册表分发前被拦截，因为它们需要 Agent 级状态（TodoStore、MemoryStore 等）：

todo — 规划/任务跟踪
memory — 持久记忆写入
session_search — 跨会话召回
delegate_task — 生成子 Agent 会话

这些工具的 Schema 仍然在注册表中注册（用于 get_tool_definitions），但如果分发以某种方式直接到达它们，其处理器返回桩错误。

异步桥接

当工具处理器是异步的，_run_async() 将其桥接到同步分发路径：

CLI 路径（无运行循环） — 使用持久事件循环保持缓存的异步客户端存活
Gateway 路径（运行循环） — 用 asyncio.run() 启动一次性线程
工作线程（并行工具） — 使用存储在线程本地存储中的每线程持久循环

DANGEROUS_PATTERNS 审批流程

终端工具集成了 tools/approval.py 中定义的危险命令审批系统：

模式检测 — DANGEROUS_PATTERNS 是 (regex, description) 元组列表，覆盖破坏性操作：
- 递归删除（rm -rf）
- 文件系统格式化（mkfs、dd）
- SQL 破坏性操作（无 WHERE 的 DROP TABLE、DELETE FROM）
- 系统配置覆盖（> /etc/）
- 服务操作（systemctl stop）
- 远程代码执行（curl | sh）
- Fork 炸弹、进程杀死等
检测 — 在执行任何终端命令之前，detect_dangerous_command(command) 检查所有模式。
审批提示 — 如果找到匹配：
- CLI 模式 — 交互式提示要求用户批准、拒绝或永久允许
- Gateway 模式 — 异步审批回调将请求发送到消息平台
- 智能审批 — 可选地，辅助 LLM 可以自动批准匹配模式但低风险的命令（如 rm -rf node_modules/ 是安全的但匹配"递归删除"）
会话状态 — 审批按会话跟踪。一旦你在会话中批准了"递归删除"，后续的 rm -rf 命令不会再提示。
永久白名单 — "永久允许"选项将模式写入 config.yaml 的 command_allowlist，跨会话持久化。

终端/运行时环境

终端系统支持多个后端：

local
docker
ssh
singularity
modal
daytona

它还支持：

每任务工作目录覆盖
后台进程管理
PTY 模式
危险命令审批回调

并发

工具调用可能顺序或并发执行，取决于工具组合和交互需求。

工具注册模型​

registry.register() 的工作方式​

发现：discover_builtin_tools()​

工具可用性检查（check_fn）​

工具集解析​

get_tool_definitions() 如何过滤工具​

旧版工具集名称​

分发​

分发流程：模型 tool_call → 处理器执行​

错误包装​

Agent 循环工具​

异步桥接​

DANGEROUS_PATTERNS 审批流程​

终端/运行时环境​

并发​

相关文档​