Hermes智能体将12个浏览器操作工具合并为1个

十二个工具合而为一

Nous Research宣布为其智能体Hermes引入新的"浏览器使用模式"。此前，为实现点击、滚动、输入等浏览器操作，系统设有十二个独立工具，如今这些工具被替换为由browser_use的CLI 3.0驱动的单一工具。该公司解释称："智能体不再每次点击都调用工具，而是直接编写脚本。"据其自测结果，令牌消耗减少了48%至66%，且准确率没有下降。

工具调用为何昂贵

AI智能体要操作网页浏览器，原本每一个动作都需要向LLM逐一发送"点击这个按钮""在这个输入框中输入文字"之类的请求。这种方式被称为"工具调用（tool call）"，每次请求都必须把十二个可用工具的完整说明书（模式）重新塞给模型。哪怕只是点一次鼠标，这份完整说明书也要每次都附带发送，随着对话变长，被白白消耗的令牌——LLM处理文本的最小单位，也是计费与速度的基准——就会像滚雪球一样越积越多。

Nous Research采取了不同的做法。让智能体一次性把多个动作写成代码脚本再执行。这样一来，就不必每次点击都重新发送那十二个工具的说明书。这种"用代码表达行为"的思路，与近来智能体设计领域多位研究者尝试的方向不谋而合。Nous Research是以开源LLM系列Hermes闻名的开发商，此次发布也被视为其面向开源生态的一次实验。browser_use是一款让AI智能体能够实际点击、输入、浏览网站的浏览器自动化框架，此次其CLI（命令行界面）3.0版本充当了驱动Hermes新模式的引擎。

这意味着什么

操作浏览器的AI智能体，是近来云服务商和初创公司都在争相推出的领域。问题始终在于成本。需要经过多个步骤操作网页的任务，令牌消耗越大，实际投入服务时的负担也就越重。如果此次改进属实，就意味着同样的任务可以用不到一半的令牌完成，这有助于降低长期运行智能体的服务的运营成本。不过，这只是Nous Research自身的测试结果，尚未确认是否经过其他独立基准测试的验证。

基于Claude的AI助手侵入健身房系统插队预约