字节笔记本
2026年6月21日
hermes教程-构建一个 Hermes 插件
你将要构建的内容
一个计算器插件,包含两个工具:
calculate— 计算数学表达式(2**16、sqrt(144)、pi * 5**2)unit_convert— 单位转换(100 F → 37.78 C、5 km → 3.11 mi)
以及一个记录每次工具调用的钩子,和一个打包的技能文件。
第一步:创建插件目录
mkdir -p ~/.hermes/plugins/calculator
cd ~/.hermes/plugins/calculator第二步:编写清单文件
创建 plugin.yaml:
name: calculator
version: 1.0.0
description: 数学计算器 — 计算表达式和转换单位
provides_tools:
- calculate
- unit_convert
provides_hooks:
- post_tool_call这告诉 Hermes:“我是一个名为 calculator 的插件,提供工具和钩子。” provides_tools 和 provides_hooks 字段是插件注册的内容列表。
你可以添加的可选字段:
author: 你的名字
requires_env: # 根据环境变量控制加载;安装时提示
- SOME_API_KEY # 简单格式 — 如果缺失则禁用插件
- name: OTHER_KEY # 丰富格式 — 安装时显示描述/URL
description: "其他服务的密钥"
url: "https://other.com/keys"
secret: true第三步:编写工具模式
创建 schemas.py — 这是 LLM 读取以决定何时调用你的工具的内容:
"""工具模式 — LLM 看到的内容。"""
CALCULATE = {
"name": "calculate",
"description": (
"计算数学表达式并返回结果。"
"支持算术运算 (+, -, *, /, **)、函数 (sqrt, sin, cos, "
"log, abs, round, floor, ceil) 和常量 (pi, e)。"
"当用户询问任何数学问题时使用此工具。"
),
"parameters": {
"type": "object",
"properties": {
"expression": {
"type": "string",
"description": "要计算的数学表达式(例如 '2**10'、'sqrt(144)')",
},
},
"required": ["expression"],
},
}
UNIT_CONVERT = {
"name": "unit_convert",
"description": (
"在单位之间转换数值。支持长度 (m, km, mi, ft, in)、"
"重量 (kg, lb, oz, g)、温度 (C, F, K)、数据 (B, KB, MB, GB, TB)"
"和时间 (s, min, hr, day)。"
),
"parameters": {
"type": "object",
"properties": {
"value": {
"type": "number",
"description": "要转换的数值",
},
"from_unit": {
"type": "string",
"description": "源单位(例如 'km'、'lb'、'F'、'GB')",
},
"to_unit": {
"type": "string",
"description": "目标单位(例如 'mi'、'kg'、'C'、'MB')",
},
},
"required": ["value", "from_unit", "to_unit"],
},
}为什么模式很重要: description 字段是 LLM 决定何时使用你的工具的依据。要具体说明它的功能和使用时机。parameters 定义了 LLM 传递的参数。
第四步:编写工具处理器
创建 tools.py — 这是当 LLM 调用你的工具时实际执行的代码:
"""工具处理器 — 当 LLM 调用每个工具时运行的代码。"""
import json
import math
## 用于表达式求值的安全全局变量 — 无文件/网络访问
_SAFE_MATH = {
"abs": abs, "round": round, "min": min, "max": max,
"pow": pow, "sqrt": math.sqrt, "sin": math.sin, "cos": math.cos,
"tan": math.tan, "log": math.log, "log2": math.log2, "log10": math.log10,
"floor": math.floor, "ceil": math.ceil,
"pi": math.pi, "e": math.e,
"factorial": math.factorial,
}
def calculate(args: dict, **kwargs) -> str:
"""安全地计算数学表达式。
处理器的规则:
1. 接收 args (dict) — LLM 传递的参数
2. 执行工作
3. 返回 JSON 字符串 — 始终如此,即使出错
4. 接受 **kwargs 以保持向前兼容
"""
expression = args.get("expression", "").strip()
if not expression:
return json.dumps({"error": "未提供表达式"})
try:
result = eval(expression, {"__builtins__": {}}, _SAFE_MATH)
return json.dumps({"expression": expression, "result": result})
except ZeroDivisionError:
return json.dumps({"expression": expression, "error": "除以零"})
except Exception as e:
return json.dumps({"expression": expression, "error": f"无效: {e}"})
## 转换表 — 值以基本单位表示
_LENGTH = {"m": 1, "km": 1000, "mi": 1609.34, "ft": 0.3048, "in": 0.0254, "cm": 0.01}
_WEIGHT = {"kg": 1, "g": 0.001, "lb": 0.453592, "oz": 0.0283495}
_DATA = {"B": 1, "KB": 1024, "MB": 1024**2, "GB": 1024**3, "TB": 1024**4}
_TIME = {"s": 1, "ms": 0.001, "min": 60, "hr": 3600, "day": 86400}
def _convert_temp(value, from_u, to_u):
## 归一化到摄氏度
c = {"F": (value - 32) * 5/9, "K": value - 273.15}.get(from_u, value)
## 转换到目标单位
return {"F": c * 9/5 + 32, "K": c + 273.15}.get(to_u, c)
def unit_convert(args: dict, **kwargs) -> str:
"""在单位之间转换。"""
value = args.get("value")
from_unit = args.get("from_unit", "").strip()
to_unit = args.get("to_unit", "").strip()
if value is None or not from_unit or not to_unit:
return json.dumps({"error": "需要 value、from_unit 和 to_unit"})
try:
## 温度
if from_unit.upper() in {"C","F","K"} and to_unit.upper() in {"C","F","K"}:
result = _convert_temp(float(value), from_unit.upper(), to_unit.upper())
return json.dumps({"input": f"{value} {from_unit}", "result": round(result, 4),
"output": f"{round(result, 4)} {to_unit}"})
## 基于比率的转换
for table in (_LENGTH, _WEIGHT, _DATA, _TIME):
lc = {k.lower(): v for k, v in table.items()}
if from_unit.lower() in lc and to_unit.lower() in lc:
result = float(value) * lc[from_unit.lower()] / lc[to_unit.lower()]
return json.dumps({"input": f"{value} {from_unit}",
"result": round(result, 6),
"output": f"{round(result, 6)} {to_unit}"})
return json.dumps({"error": f"无法转换 {from_unit} → {to_unit}"})
except Exception as e:
return json.dumps({"error": f"转换失败: {e}"})处理器的关键规则:
- 签名:
def my_handler(args: dict, **kwargs) -> str - 返回: 始终是 JSON 字符串。成功和错误都是如此。
- 绝不抛出异常: 捕获所有异常,返回错误 JSON。
- 接受
**kwargs: Hermes 将来可能传递额外的上下文。
第五步:编写注册代码
创建 __init__.py — 这将模式连接到处理器:
"""计算器插件 — 注册。"""
import logging
from . import schemas, tools
logger = logging.getLogger(__name__)
## 通过钩子跟踪工具使用情况
_call_log = []
def _on_post_tool_call(tool_name, args, result, task_id, **kwargs):
"""钩子:每次工具调用后运行(不仅限于我们的工具)。"""
_call_log.append({"tool": tool_name, "session": task_id})
if len(_call_log) > 100:
_call_log.pop(0)
logger.debug("工具被调用: %s (会话 %s)", tool_name, task_id)
def register(ctx):
"""将模式连接到处理器并注册钩子。"""
ctx.register_tool(name="calculate", toolset="calculator",
schema=schemas.CALCULATE, handler=tools.calculate)
ctx.register_tool(name="unit_convert", toolset="calculator",
schema=schemas.UNIT_CONVERT, handler=tools.unit_convert)
## 此钩子针对所有工具调用触发,不仅限于我们的
ctx.register_hook("post_tool_call", _on_post_tool_call)register() 的作用:
- 在启动时恰好调用一次
ctx.register_tool()将你的工具放入注册表 — 模型立即看到它ctx.register_hook()订阅生命周期事件ctx.register_cli_command()注册 CLI 子命令(例如hermes my-plugin <subcommand>)ctx.register_command()注册会话内斜杠命令(例如在 CLI/网关聊天中输入/myplugin <args>)— 参见下面的注册斜杠命令ctx.dispatch_tool(name, arguments)— 调用任何其他工具(内置的或来自其他插件的),并自动连接父代理的上下文(审批、凭据、task_id)。对于需要调用terminal、read_file或任何其他工具(就像模型直接调用它们一样)的斜杠命令处理器非常有用。- 如果此函数崩溃,插件将被禁用,但 Hermes 继续正常运行
dispatch_tool 示例 — 一个运行工具的斜杠命令:
def handle_scan(ctx, raw_args: str):
"""通过注册表调用 terminal 工具来实现 /scan。"""
result = ctx.dispatch_tool("terminal", {"command": f"find . -name '{raw_args}'"})
return result # 返回给调用者的聊天界面
def register(ctx):
## 处理器接收一个原始参数字符串;通过 lambda 闭包捕获 ctx。
ctx.register_command(
"scan",
lambda raw: handle_scan(ctx, raw),
description="查找匹配 glob 模式的文件",
)分派的工具会经过正常的审批、编辑和预算管道 — 这是一个真正的工具调用,而不是绕过它们的捷径。
第六步:测试
启动 Hermes:
hermes你应该在横幅的工具列表中看到 calculator: calculate, unit_convert。
尝试以下提示:
2 的 16 次方是多少?
将 100 华氏度转换为摄氏度
2 乘以 pi 的平方根是多少?
1.5 TB 是多少 GB?检查插件状态:
/plugins
输出:
插件 (1):
✓ calculator v1.0.0 (2 个工具, 1 个钩子)调试插件发现
如果你的插件没有出现 — 或者出现了但未加载 — 设置 HERMES_PLUGINS_DEBUG=1 以在 stderr 上获取详细的发现日志:
HERMES_PLUGINS_DEBUG=1 hermes plugins list你将看到,对于每个插件源(捆绑、用户、项目、入口点):
- 扫描了哪些目录以及每个目录产生了多少清单
- 每个清单:解析的键、名称、种类、来源、磁盘路径
- 跳过原因:
disabled via config、not enabled in config、exclusive plugin、no plugin.yaml, depth cap reached - 加载时:正在导入的插件,以及
register(ctx)注册内容的单行摘要(工具、钩子、斜杠命令、CLI 命令) - 解析失败时:异常的完整回溯(YAML 扫描器错误等)
register()失败时:指向__init__.py中引发异常的行的完整回溯
相同的日志始终以 WARNING 级别(仅失败)和 DEBUG 级别(所有内容)写入 ~/.hermes/logs/agent.log(当设置了环境变量时)。因此,如果你无法使用环境变量运行(例如从网关内部),请改为跟踪日志文件:
hermes logs --level WARNING | grep -i plugin插件不出现的常见原因:
- 未在配置中启用 — 插件是选择加入的。运行
hermes plugins enable <name>(名称来自plugins list输出,对于嵌套布局可能是<category>/<plugin>)。 - 目录布局错误 — 必须是
~/.hermes/plugins/<plugin-name>/plugin.yaml(扁平)或~/.hermes/plugins/<category>/<plugin-name>/plugin.yaml(最多一层类别嵌套)。更深层次的内容将被忽略。 - 缺少
__init__.py— 插件目录需要同时包含plugin.yaml和带有register(ctx)函数的__init__.py。 - 错误的
kind— 网关适配器需要在其清单中设置kind: platform。内存提供程序被自动检测为kind: exclusive,并通过memory.provider配置而不是plugins.enabled进行路由。
你的插件的最终结构
~/.hermes/plugins/calculator/
├── plugin.yaml # "我是 calculator,提供工具和钩子"
├── __init__.py # 连接:模式 → 处理器,注册钩子
├── schemas.py # LLM 读取的内容(描述 + 参数规范)
└── tools.py # 运行的内容(calculate、unit_convert 函数)四个文件,清晰分离:
- 清单 声明插件是什么
- 模式 为 LLM 描述工具
- 处理器 实现实际逻辑
- 注册 连接所有内容
插件还能做什么?
附带数据文件
将任何文件放入你的插件目录,并在导入时读取它们:
## 在 tools.py 或 __init__.py 中
from pathlib import Path
_PLUGIN_DIR = Path(__file__).parent
_DATA_FILE = _PLUGIN_DIR / "data" / "languages.yaml"
with open(_DATA_FILE) as f:
_DATA = yaml.safe_load(f)打包技能
插件可以附带技能文件,代理通过 skill_view("plugin:skill") 加载它们。在你的 __init__.py 中注册它们:
~/.hermes/plugins/my-plugin/
├── __init__.py
├── plugin.yaml
└── skills/
├── my-workflow/
│ └── SKILL.md
└── my-checklist/
└── SKILL.mdfrom pathlib import Path
def register(ctx):
skills_dir = Path(__file__).parent / "skills"
for child in sorted(skills_dir.iterdir()):
skill_md = child / "SKILL.md"
if child.is_dir() and skill_md.exists():
ctx.register_skill(child.name, skill_md)代理现在可以使用它们的命名空间名称加载你的技能:
skill_view("my-plugin:my-workflow") # → 插件的版本
skill_view("my-workflow") # → 内置版本(不变)关键属性:
- 插件技能是只读的 — 它们不会进入
~/.hermes/skills/,也不能通过skill_manage编辑。 - 插件技能不会列在系统提示的
<available_skills>索引中 — 它们是选择加入的显式加载。 - 裸技能名称不受影响 — 命名空间防止与内置技能冲突。
- 当代理加载插件技能时,会预先添加一个捆绑上下文横幅,列出同一插件中的同级技能。
提示 — 遗留模式
旧的
shutil.copy2模式(将技能复制到~/.hermes/skills/)仍然有效,但会带来与内置技能名称冲突的风险。对于新插件,优先使用ctx.register_skill()。
根据环境变量控制加载
如果你的插件需要 API 密钥:
## plugin.yaml — 简单格式(向后兼容)
requires_env:
- WEATHER_API_KEY如果未设置 WEATHER_API_KEY,插件将被禁用并显示清晰的消息。不会崩溃,代理中不会出现错误 — 只是“插件 weather 已禁用(缺少:WEATHER_API_KEY)”。
当用户运行 hermes plugins install 时,系统会交互式地提示他们输入任何缺失的 requires_env 变量。值会自动保存到 .env。
为了获得更好的安装体验,请使用带有描述和注册 URL 的丰富格式:
## plugin.yaml — 丰富格式
requires_env:
- name: WEATHER_API_KEY
description: "OpenWeather 的 API 密钥"
url: "https://openweathermap.org/api"
secret: true| 字段 | 必需 | 描述 |
|---|---|---|
name | 是 | 环境变量名称 |
description | 否 | 安装提示时向用户显示 |
url | 否 | 获取凭据的位置 |
secret | 否 | 如果为 true,输入将被隐藏(如密码字段) |
两种格式可以在同一个列表中混合使用。已设置的变量会被静默跳过。
延迟安装可选 Python 依赖
如果你的插件包装了一个并非所有用户都会安装的 SDK(供应商 SDK、重型 ML 库、特定平台包),请不要在模块顶部 import 它。在工具处理器内部使用 tools.lazy_deps.ensure(...) 辅助函数 — Hermes 将在首次使用时安装该包,并由用户的 security.allow_lazy_installs 配置控制。
## tools.py
from tools.lazy_deps import ensure, FeatureUnavailable
def my_tool_handler(args, **kwargs):
try:
ensure("my-plugin.my-backend") # 键必须位于 LAZY_DEPS 中
except FeatureUnavailable as exc:
return {"error": str(exc)}
import my_backend_sdk # 现在安全了
...来自 tools/lazy_deps.py 安全模型的两条规则:
| 规则 | 原因 |
|---|---|
你的功能键必须出现在树内 LAZY_DEPS 允许列表中 | 防止恶意配置诱使 Hermes 安装任意包 — 只有 Hermes 本身提供的规范才有资格 |
| 规范仅限 PyPI 名称 | 没有 --index-url、git+https:// 或 file: 路径。在允许列表条目中使用 PEP 440 固定版本("my-sdk>=1.2,<2") |
对于通过 pip 分发的第三方插件,将可选依赖声明为你自己的 pyproject.toml 中的 [project.optional-dependencies] 额外项,并告诉用户 pip install your-plugin[backend] — 该路径不经过 lazy_deps。延迟安装舞蹈对于捆绑插件最有用,因为在这些插件中,在每个安装上附带硬依赖会膨胀基础 Hermes 占用空间。
当全局设置 security.allow_lazy_installs: false 时,ensure() 会立即引发 FeatureUnavailable 并附带修复提示 — 你的插件应捕获它并优雅降级(返回错误结果,而不是使工具循环崩溃)。
线程安全的延迟单例
插件通常会在模块级变量中缓存一个昂贵的对象 — SDK 客户端、HTTP 会话、连接池 — 在首次使用时构建:
_client = None
def get_client():
global _client
if _client is not None:
return _client
_client = ExpensiveClient(...) # ← TOCTOU 竞态
return _client这是一个隐患。Hermes 在一个进程中运行多个线程(委托工具调用、后台工作线程、自我改进分支),因此两个线程可能在 _client 被设置之前同时到达 get_client(),都通过 is not None 检查,都运行昂贵的构建,并且第二次写入覆盖第一次 — 泄漏失败者打开的任何资源(连接、文件句柄、后台线程)。
不要手动编写锁。使用 plugins/plugin_utils.py 中的辅助函数:
from plugins.plugin_utils import lazy_singleton, SingletonSlot
## 零参数访问器 → 装饰它:
@lazy_singleton
def get_client():
return ExpensiveClient(load_config()) # 恰好运行一次
client = get_client() # 跨线程安全
get_client.reset() # 丢弃实例(测试/拆卸)
## 接受构建参数的访问器 → 使用槽:
_slot: SingletonSlot = SingletonSlot()
def get_client(config=None):
return _slot.get(lambda: ExpensiveClient(resolve(config)))
def reset_client():
_slot.reset()两者都使用双重检查锁定序列化并发的首次调用,并且最多运行一次工厂。如果工厂引发异常,则不会缓存任何内容,并且下一次调用会重试。honcho 内存插件(plugins/memory/honcho/client.py)是参考消费者。
经验法则:每当你编写
global _something后跟is None检查和构建时,请改用这些辅助函数之一。
条件工具可用性
对于依赖于可选库的工具:
ctx.register_tool(
name="my_tool",
schema={...},
handler=my_handler,
check_fn=lambda: _has_optional_lib(), # False = 对模型隐藏工具
)覆盖内置工具
要用你自己的实现替换内置工具(例如,将默认浏览器工具替换为有头 Chrome CDP 后端,或将 web_search 替换为自定义企业索引),传递 override=True:
def register(ctx):
ctx.register_tool(
name="browser_navigate", # 与内置工具同名
toolset="plugin_my_browser", # 你自己的工具集命名空间
schema={...},
handler=my_custom_navigate,
override=True, # 显式选择加入
)没有 override=True,注册表会拒绝任何会遮蔽来自不同工具集的现有工具的注册 — 这可以防止意外覆盖。覆盖会在 INFO 级别记录,以便在 ~/.hermes/logs/agent.log 中可审计。插件在内置工具之后加载,因此注册顺序是正确的:你的处理器替换内置处理器。
注册多个钩子
def register(ctx):
ctx.register_hook("pre_tool_call", before_any_tool)
ctx.register_hook("post_tool_call", after_any_tool)
ctx.register_hook("pre_llm_call", inject_memory)
ctx.register_hook("on_session_start", on_new_session)
ctx.register_hook("on_session_end", on_session_end)钩子参考
每个钩子在 事件钩子参考 中有完整文档 — 回调签名、参数表、触发时机和示例。以下是摘要:
| 钩子 | 触发时机 | 回调签名 | 返回值 |
|---|---|---|---|
pre_tool_call | 任何工具执行之前 | tool_name: str, args: dict, task_id: str | 忽略 |
post_tool_call | 任何工具返回之后 | tool_name: str, args: dict, result: str, task_id: str, duration_ms: int | 忽略 |
pre_llm_call | 每轮一次,在工具调用循环之前 | session_id: str, user_message: str, conversation_history: list, is_first_turn: bool, model: str, platform: str | 上下文注入 |
post_llm_call | 每轮一次,在工具调用循环之后(仅成功轮次) | session_id: str, user_message: str, assistant_response: str, conversation_history: list, model: str, platform: str | 忽略 |
on_session_start | 新会话创建(仅第一轮) | session_id: str, model: str, platform: str | 忽略 |
on_session_end | 每次 run_conversation 调用结束 + CLI 退出 | session_id: str, completed: bool, interrupted: bool, model: str, platform: str | 忽略 |
on_session_finalize | CLI/网关拆除活动会话 | session_id: str | None, platform: str | 忽略 |
on_session_reset | 网关交换新会话键(/new、/reset) | session_id: str, platform: str | 忽略 |
大多数钩子是即发即弃的观察者 — 它们的返回值被忽略。例外是 pre_llm_call,它可以向对话注入上下文。
所有回调应接受 **kwargs 以保持向前兼容。如果钩子回调崩溃,它会被记录并跳过。其他钩子和代理继续正常运行。
pre_llm_call 上下文注入
这是唯一一个返回值重要的钩子。当 pre_llm_call 回调返回一个带有 "context" 键的字典(或纯字符串)时,Hermes 将该文本注入到当前轮次的用户消息中。这是内存插件、RAG 集成、护栏以及任何需要向模型提供额外上下文的插件的机制。
返回格式
## 带有 context 键的字典
return {"context": "回忆的记忆:\n- 用户偏好深色模式\n- 上一个项目: hermes-agent"}
## 纯字符串(等同于上面的字典形式)
return "回忆的记忆:\n- 用户偏好深色模式"
## 返回 None 或不返回 → 不注入(仅观察者)
return None任何非 None、非空且带有 "context" 键的返回值(或非空纯字符串)都会被收集并附加到当前轮次的用户消息中。
注入如何工作
注入的上下文被附加到用户消息,而不是系统提示。这是一个深思熟虑的设计选择:
- 提示缓存保留 — 系统提示在轮次之间保持不变。Anthropic 和 OpenRouter 缓存系统提示前缀,因此保持其稳定可以在多轮对话中节省 75% 以上的输入令牌。如果插件修改了系统提示,每一轮都会导致缓存未命中。
- 临时性 — 注入仅在 API 调用时发生。对话历史中的原始用户消息永远不会被修改,也不会持久化到会话数据库。
- 系统提示是 Hermes 的领地 — 它包含特定于模型的指导、工具执行规则、个性指令和缓存的技能内容。插件贡献上下文与用户输入一起,而不是通过更改代理的核心指令。
示例:内存回忆插件
"""内存插件 — 从向量存储中回忆相关上下文。"""
import httpx
MEMORY_API = "https://your-memory-api.example.com"
def recall_context(session_id, user_message, is_first_turn, **kwargs):
"""在每次 LLM 轮次之前调用。返回回忆的记忆。"""
try:
resp = httpx.post(f"{MEMORY_API}/recall", json={
"session_id": session_id,
"query": user_message,
}, timeout=3)
memories = resp.json().get("results", [])
if not memories:
return None # 没有要注入的内容
text = "来自先前会话的回忆上下文:\n"
text += "\n".join(f"- {m['text']}" for m in memories)
return {"context": text}
except Exception:
return None # 静默失败,不要破坏代理
def register(ctx):
ctx.register_hook("pre_llm_call", recall_context)示例:护栏插件
"""护栏插件 — 强制执行内容策略。"""
POLICY = """对于此会话,你必须遵循以下内容策略:
- 永远不要生成访问工作目录之外文件系统的代码
- 在执行破坏性操作之前始终发出警告
- 拒绝涉及个人数据提取的请求"""
def inject_guardrails(**kwargs):
"""将策略文本注入每一轮。"""
return {"context": POLICY}
def register(ctx):
ctx.register_hook("pre_llm_call", inject_guardrails)示例:仅观察者钩子(无注入)
"""分析插件 — 跟踪轮次元数据而不注入上下文。"""
import logging
logger = logging.getLogger(__name__)
def log_turn(session_id, user_message, model, is_first_turn, **kwargs):
"""在每次 LLM 调用之前触发。返回 None — 不注入上下文。"""
logger.info("轮次: session=%s model=%s first=%s msg_len=%d",
session_id, model, is_first_turn, len(user_message or ""))
## 无返回 → 不注入
def register(ctx):
ctx.register_hook("pre_llm_call", log_turn)多个插件返回上下文
当多个插件从 pre_llm_call 返回上下文时,它们的输出会用双换行符连接并一起附加到用户消息中。顺序遵循插件发现顺序(按插件目录名称字母顺序)。
注册 CLI 命令
插件可以添加自己的 hermes <plugin> 子命令树:
def _my_command(args):
"""hermes my-plugin <subcommand> 的处理器。"""
sub = getattr(args, "my_command", None)
if sub == "status":
print("一切正常!")
elif sub == "config":
print("当前配置: ...")
else:
print("用法: hermes my-plugin <status|config>")
def _setup_argparse(subparser):
"""构建 hermes my-plugin 的 argparse 树。"""
subs = subparser.add_subparsers(dest="my_command")
subs.add_parser("status", help="显示插件状态")
subs.add_parser("config", help="显示插件配置")
subparser.set_defaults(func=_my_command)
def register(ctx):
ctx.register_tool(...)
ctx.register_cli_command(
name="my-plugin",
help="管理我的插件",
setup_fn=_setup_argparse,
handler_fn=_my_command,
)注册后,用户可以运行 hermes my-plugin status、hermes my-plugin config 等。
内存提供程序插件使用基于约定的方法:将 register_cli(subparser) 函数添加到你的插件的 cli.py 文件中。内存插件发现系统会自动找到它 — 无需调用 ctx.register_cli_command()。有关详细信息,请参阅内存提供程序插件指南。
活动提供程序门控: 内存插件 CLI 命令仅在其提供程序是配置中的活动 memory.provider 时才会出现。如果用户尚未设置你的提供程序,你的 CLI 命令不会使帮助输出变得混乱。
注册斜杠命令
插件可以注册会话内斜杠命令 — 用户在对话期间键入的命令(如 /lcm status 或 /ping)。这些在 CLI 和网关(Telegram、Discord 等)中都有效。
def _handle_status(raw_args: str) -> str:
"""/mystatus 的处理器 — 使用命令名称之后的所有内容调用。"""
if raw_args.strip() == "help":
return "用法: /mystatus [help|check]"
return "插件状态: 所有系统正常"
def register(ctx):
ctx.register_command(
"mystatus",
handler=_handle_status,
description="显示插件状态",
)注册后,用户可以在任何会话中键入 /mystatus。该命令会出现在自动完成、/help 输出和 Telegram 机器人菜单中。
签名: ctx.register_command(name: str, handler: Callable, description: str = "", args_hint: str = "")
| 参数 | 类型 | 描述 |
|---|---|---|
name | str | 不带前导斜杠的命令名称(例如 "lcm"、"mystatus") |
handler | Callable[[str], str | None] | 使用原始参数字符串调用。也可以是 async。 |
description | str | 显示在 /help、自动完成和 Telegram 机器人菜单中 |
与 register_cli_command() 的关键区别:
register_command() | register_cli_command() | |
|---|---|---|
| 调用方式 | 会话中的 /name | 终端中的 hermes name |
| 工作位置 | CLI 会话、Telegram、Discord 等 | 仅终端 |
| 处理器接收 | 原始参数字符串 | argparse Namespace |
| 用例 | 诊断、状态、快速操作 | 复杂的子命令树、设置向导 |
冲突保护: 如果插件尝试注册与内置命令(help、model、new 等)冲突的名称,注册会被静默拒绝并记录警告。内置命令始终优先。
异步处理器: 网关调度会自动检测并等待异步处理器,因此你可以使用同步或异步函数:
async def _handle_check(raw_args: str) -> str:
result = await some_async_operation()
return f"检查结果: {result}"
def register(ctx):
ctx.register_command("check", handler=_handle_check, description="运行异步检查")从斜杠命令分派工具
需要编排工具(通过 delegate_task 生成子代理、调用 file_edit 等)的斜杠命令处理器应使用 ctx.dispatch_tool(),而不是深入框架内部。父代理上下文(工作区提示、旋转指示器、模型继承)会自动连接。
def register(ctx):
def _handle_deliver(raw_args: str):
result = ctx.dispatch_tool(
"delegate_task",
{
"goal": raw_args,
"toolsets": ["terminal", "file", "web"],
},
)
return result
ctx.register_command(
"deliver",
handler=_handle_deliver,
description="将目标委托给子代理",
)签名: ctx.dispatch_tool(name: str, args: dict, *, parent_agent=None) -> str
| 参数 | 类型 | 描述 |
|---|---|---|
name | str | 工具注册表中注册的工具名称(例如 "delegate_task"、"file_edit") |
args | dict | 工具参数,与模型发送的形状相同 |
parent_agent | Agent | None | 可选覆盖。省略时,从当前 CLI 代理解析(或在网关模式下优雅降级) |
运行时行为:
- CLI 模式:
parent_agent从活动 CLI 代理解析,因此工作区提示、旋转指示器和模型选择按预期继承。 - 网关模式: 没有 CLI 代理,因此工具优雅降级 — 工作区从配置的终端工作目录读取,不显示旋转指示器。
- 显式覆盖: 如果调用者显式传递
parent_agent=,则尊重该值且不会被覆盖。
这是从插件命令进行工具分派的公共稳定接口。插件不应深入 ctx._cli_ref.agent 或类似的私有状态。
处理 Slack Block Kit 按钮点击
发布带有交互元素(按钮、溢出菜单、日期选择器等)的 Block Kit 消息的插件可以直接向 Slack 适配器注册点击处理器 — 无需对 slack_bolt.AsyncApp 进行猴子补丁。
def register(ctx):
async def _on_approve(ack, body, action):
## 在 3 秒内 ack — slack_bolt 要求。
await ack()
## body["channel"]["id"], body["user"]["id"], body["message"]["ts"]
## action["action_id"], action["value"]
sweep_id = (action.get("value") or "").split("|", 1)[-1]
## ...执行确定性工作,然后发布后续消息。
ctx.register_slack_action_handler("inbox_sweep_approve", _on_approve)签名: ctx.register_slack_action_handler(action_id, callback) -> None
| 参数 | 类型 | 描述 |
|---|---|---|
action_id | str | re.Pattern | dict | slack_bolt.App.action() 接受的任何内容:字面 action_id、匹配多个 ID 的编译正则表达式,或约束字典如 {"action_id": "...", "block_id": "..."} |
callback | 异步可调用 | 按照 slack_bolt 约定接收 (ack, body, action) |
运行时行为:
- 处理器在插件加载时排队,并在 Slack 平台连接时连接到适配器的
slack_bolt.AsyncApp。 - 每个回调都被防御性地包装:如果你的处理器引发异常,网关会记录错误并尽力 ack 点击,以便 Slack 停止重试。
- 标准 slack_bolt 规则适用 — 在 3 秒内
await ack(),然后执行较长时间的工作。 - 对于多工作区部署,处理器会为来自任何已连接工作区的点击触发;如果需要限定行为,请使用
body["team"]["id"]。
这是插件参与 Slack 交互性的公共方式。较旧的插件可能会修补 SlackAdapter.connect;请优先使用此 API。
提示
本指南涵盖通用插件(工具、钩子、斜杠命令、CLI 命令)。以下部分简要概述了每种专用插件类型的编写模式;每个部分都链接到其完整指南以获取字段参考和示例。
专用插件类型
Hermes 在通用表面之外有五种专用插件类型。每个都作为 plugins/<category>/<name>/(捆绑)或 ~/.hermes/plugins/<category>/<name>/(用户)下的目录提供。契约因类别而异 — 选择你需要的,然后阅读其完整指南。
模型提供程序插件 — 添加 LLM 后端
将配置文件放入 plugins/model-providers/<name>/:
## plugins/model-providers/acme/__init__.py
from providers import register_provider
from providers.base import ProviderProfile
register_provider(ProviderProfile(
name="acme",
aliases=("acme-inference",),
display_name="Acme 推理",
env_vars=("ACME_API_KEY", "ACME_BASE_URL"),
base_url="https://api.acme.example.com/v1",
auth_type="api_key",
default_aux_model="acme-small-fast",
fallback_models=("acme-large-v3", "acme-medium-v3"),
))## plugins/model-providers/acme/plugin.yaml
name: acme-provider
kind: model-provider
version: 1.0.0
description: Acme 推理 — 兼容 OpenAI 的直接 API在第一次调用 get_provider_profile() 或 list_providers() 时延迟发现 — auth.py、config.py、doctor.py、models.py、runtime_provider.py 和 chat_completions 传输会自动连接。用户插件按名称覆盖捆绑插件。
完整指南: 模型提供程序插件 — 字段参考、可覆盖的钩子(prepare_messages、build_extra_body、build_api_kwargs_extras、fetch_models)、api_mode 选择、认证类型、测试。
平台插件 — 添加网关通道
将适配器放入 plugins/platforms/<name>/:
## plugins/platforms/myplatform/adapter.py
from gateway.platforms.base import BasePlatformAdapter
class MyPlatformAdapter(BasePlatformAdapter):
async def connect(self): ...
async def send(self, chat_id, text): ...
async def disconnect(self): ...
def check_requirements():
import os
return bool(os.environ.get("MYPLATFORM_TOKEN"))
def _env_enablement():
import os
tok = os.getenv("MYPLATFORM_TOKEN", "").strip()
if not tok:
return None
return {"token": tok}
def register(ctx):
ctx.register_platform(
name="myplatform",
label="MyPlatform",
adapter_factory=lambda cfg: MyPlatformAdapter(cfg),
check_fn=check_requirements,
required_env=["MYPLATFORM_TOKEN"],
## 自动从环境填充 PlatformConfig.extra,以便仅环境设置
## 无需 SDK 实例化即可显示在 `hermes gateway status` 中。
env_enablement_fn=_env_enablement,
## 选择 cron 投递:`deliver=myplatform` 路由到此变量。
cron_deliver_env_var="MYPLATFORM_HOME_CHANNEL",
emoji="💬",
platform_hint="你正在通过 MyPlatform 聊天。保持回复简洁。",
)## plugins/platforms/myplatform/plugin.yaml
name: myplatform-platform
label: MyPlatform
kind: platform
version: 1.0.0
description: MyPlatform 网关适配器
requires_env:
- name: MYPLATFORM_TOKEN
description: "来自 MyPlatform 控制台的机器人令牌"
password: true
optional_env:
- name: MYPLATFORM_HOME_CHANNEL
description: "cron 投递的默认频道"
password: false完整指南: 添加平台适配器 — 完整的 BasePlatformAdapter 契约、消息路由、认证门控、设置向导集成。查看 plugins/platforms/irc/ 获取仅使用标准库的工作示例。
内存提供程序插件 — 添加跨会话知识后端
将 MemoryProvider 的实现放入 plugins/memory/<name>/:
## plugins/memory/my-memory/__init__.py
from agent.memory_provider import MemoryProvider
class MyMemoryProvider(MemoryProvider):
@property
def name(self) -> str:
return "my-memory"
def is_available(self) -> bool:
import os
return bool(os.environ.get("MY_MEMORY_API_KEY"))
def initialize(self, session_id: str, **kwargs) -> None:
self._session_id = session_id
def sync_turn(self, user_content, assistant_content, *,
session_id="", messages=None) -> None:
...
def prefetch(self, query, *, session_id="") -> str:
...
def get_tool_schemas(self) -> list[dict]:
return [] # 必需的 @abstractmethod — 参见完整指南
def register(ctx):
ctx.register_memory_provider(MyMemoryProvider())内存提供程序是单选 — 一次只能激活一个,通过 config.yaml 中的 memory.provider 选择。
完整指南: 内存提供程序插件 — 完整的 MemoryProvider ABC、线程契约、配置文件隔离、通过 cli.py 注册 CLI 命令。
上下文引擎插件 — 替换上下文压缩器
## plugins/context_engine/my-engine/__init__.py
from agent.context_engine import ContextEngine
class MyContextEngine(ContextEngine):
@property
def name(self) -> str:
return "my-engine"
def update_from_response(self, usage) -> None: ...
def should_compress(self, prompt_tokens: int = None) -> bool: ...
def compress(self, messages, current_tokens=None, focus_topic=None) -> list: ...
def register(ctx):
ctx.register_context_engine(MyContextEngine())上下文引擎是单选 — 通过 config.yaml 中的 context.engine 选择。
完整指南: 上下文引擎插件。
图像生成后端
将提供程序放入 plugins/image_gen/<name>/:
## plugins/image_gen/my-imggen/__init__.py
from agent.image_gen_provider import ImageGenProvider
class MyImageGenProvider(ImageGenProvider):
@property
def name(self) -> str:
return "my-imggen"
def is_available(self) -> bool: ...
def generate(self, prompt: str, aspect_ratio="landscape", **kwargs) -> dict:
## 返回 success_response(...) / error_response(...)
...
def register(ctx):
ctx.register_image_gen_provider(MyImageGenProvider())## plugins/image_gen/my-imggen/plugin.yaml
name: my-imggen
kind: backend
version: 1.0.0
description: 自定义图像生成后端完整指南: 图像生成提供程序插件 — 完整的 ImageGenProvider ABC、list_models() / get_setup_schema() 元数据、success_response()/error_response() 辅助函数、base64 与 URL 输出、用户覆盖、pip 分发。
参考示例: plugins/image_gen/openai/(通过 OpenAI SDK 的 DALL-E / GPT-Image)、plugins/image_gen/openai-codex/、plugins/image_gen/xai/(Grok 图像生成)。
非 Python 扩展表面
Hermes 也接受根本不是 Python 插件的扩展。这些在可插拔接口表中显示;以下部分简要概述了每种编写风格。
MCP 服务器 — 注册外部工具
模型上下文协议(MCP)服务器将其自己的工具注册到 Hermes 中,无需任何 Python 插件。在 ~/.hermes/config.yaml 中声明它们:
mcp_servers:
filesystem:
command: "npx"
args: ["-y", "@modelcontextprotocol/server-filesystem", "/home/user/projects"]
timeout: 120
linear:
url: "https://mcp.linear.app/sse"
auth:
type: "oauth"Hermes 在启动时连接到每个服务器,列出其工具,并将它们与内置工具一起注册。LLM 看到它们就像任何其他工具一样。完整指南: MCP。
网关事件钩子 — 在生命周期事件上触发
将清单 + 处理器放入 ~/.hermes/hooks/<name>/:
## ~/.hermes/hooks/long-task-alert/HOOK.yaml
name: long-task-alert
description: 长时间任务完成时发送推送通知
events:
- agent:end## ~/.hermes/hooks/long-task-alert/handler.py
async def handle(event_type: str, context: dict) -> None:
if context.get("duration_seconds", 0) > 120:
## 发送通知 …
pass事件包括 gateway:startup、session:start、session:end、session:reset、agent:start、agent:step、agent:end 和通配符 command:*。钩子中的错误会被捕获并记录 — 它们永远不会阻塞主管道。
完整指南: 网关事件钩子。
Shell 钩子 — 在工具调用时运行 shell 命令
如果你只想在工具触发时运行脚本(通知、审计日志、桌面警报、自动格式化程序),请在 config.yaml 中使用 shell 钩子 — 无需 Python:
hooks:
- event: post_tool_call
command: "notify-send '工具运行: {tool_name}'"
when:
tools: [terminal, patch, write_file]支持与 Python 插件钩子相同的所有事件(pre_tool_call、post_tool_call、pre_llm_call、post_llm_call、on_session_start、on_session_end、pre_gateway_dispatch),以及用于 pre_tool_call 阻塞决策的结构化 JSON 输出。
完整指南: Shell 钩子。
技能源 — 添加自定义技能注册表
如果你维护一个技能 GitHub 仓库(或想从内置源之外拉取社区索引),将其添加为 tap:
hermes skills tap add myorg/skills-repo
hermes skills search my-workflow --source myorg/skills-repo
hermes skills install myorg/skills-repo/my-workflow发布你自己的 tap 只是一个包含 skills/<skill-name>/SKILL.md 目录的 GitHub 仓库 — 无需服务器或注册表注册。
完整指南: 技能中心 · 发布自定义 tap(仓库布局、最小示例、非默认路径、信任级别)。
通过命令模板的 TTS / STT
任何读取/写入音频或文本的 CLI 都可以通过 config.yaml 插入 — 无需 Python 代码:
tts:
provider: voxcpm
providers:
voxcpm:
type: command
command: "voxcpm --ref ~/voice.wav --text-file {input_path} --out {output_path}"
output_format: mp3
voice_compatible: true对于 STT,将 HERMES_LOCAL_STT_COMMAND 指向一个 shell 模板。支持的占位符:{input_path}、{output_path}、{format}、{voice}、{model}、{speed}(TTS);{input_path}、{output_dir}、{language}、{model}(STT)。任何与路径交互的 CLI 自动成为插件。
完整指南: TTS 自定义命令提供程序 · STT。
通过 pip 分发
为了公开共享插件,将入口点添加到你的 Python 包中:
## pyproject.toml
[project.entry-points."hermes_agent.plugins"]
my-plugin = "my_plugin_package"pip install hermes-plugin-calculator
## 下次启动 Hermes 时自动发现插件为 NixOS 分发
如果你提供带有入口点的 pyproject.toml,NixOS 用户可以声明式地安装你的插件:
入口点插件(推荐用于分发):
## 用户的 configuration.nix
services.hermes-agent.extraPythonPackages = [
(pkgs.python312Packages.buildPythonPackage {
pname = "my-plugin";
version = "1.0.0";
src = pkgs.fetchFromGitHub {
owner = "you";
repo = "hermes-my-plugin";
rev = "v1.0.0";
hash = "sha256-..."; # nix-prefetch-url --unpack
};
format = "pyproject";
build-system = [ pkgs.python312Packages.setuptools ];
})
];目录插件(无需 pyproject.toml):
services.hermes-agent.extraPlugins = [
(pkgs.fetchFromGitHub {
owner = "you";
repo = "hermes-my-plugin";
rev = "v1.0.0";
hash = "sha256-...";
})
];有关完整文档(包括覆盖使用和冲突检查),请参阅 Nix 设置指南。
常见错误
处理器不返回 JSON 字符串:
## 错误 — 返回字典
def handler(args, **kwargs):
return {"result": 42}
## 正确 — 返回 JSON 字符串
def handler(args, **kwargs):
return json.dumps({"result": 42})处理器签名中缺少 **kwargs:
## 错误 — 如果 Hermes 传递额外上下文会中断
def handler(args):
...
## 正确
def handler(args, **kwargs):
...处理器抛出异常:
## 错误 — 异常传播,工具调用失败
def handler(args, **kwargs):
result = 1 / int(args["value"]) # ZeroDivisionError!
return json.dumps({"result": result})
## 正确 — 捕获并返回错误 JSON
def handler(args, **kwargs):
try:
result = 1 / int(args.get("value", 0))
return json.dumps({"result": result})
except Exception as e:
return json.dumps({"error": str(e)})模式描述过于模糊:
## 不好 — 模型不知道何时使用
"description": "做事情"
## 好 — 模型确切知道何时以及如何
"description": "计算数学表达式。用于算术、三角、对数。支持: +, -, *, /, **, sqrt, sin, cos, log, pi, e。"