Hermes Agent — это AI-агент с встроенной автоматизацией браузера на базе Playwright. Агент открывает реальные веб-страницы, кликает по кнопкам, заполняет формы, делает скриншоты и извлекает данные — всё по текстовому описанию задачи, без написания кода. В статье разбираем, как работает браузерная автоматизация в Hermes, когда она нужна, а когда лучше обойтись API.
Что такое браузерная автоматизация в Hermes Agent?
Браузерная автоматизация в Hermes — это набор инструментов (browser_navigate, browser_click, browser_snapshot, browser_type и другие), которые позволяют агенту управлять реальным браузером Chromium. В отличие от обычного скрейпинга, который извлекает HTML-код страницы, Hermes рендерит страницу как настоящий пользователь: выполняет JavaScript, обрабатывает cookie, взаимодействует с динамическим контентом.
Playwright — фреймворк от Microsoft для автоматизации браузеров — лежит в основе этой системы. Hermes использует его для навигации, кликов, заполнения форм и перехвата сетевых запросов. Агент получает accessibility tree (дерево доступности) страницы, находит нужные элементы по их ролям и описаниям, а не по хрупким CSS-селекторам.
Когда нужен браузер, а когда хватит API?
Не каждая задача требует браузера. Вот простое правило:
Используйте браузер, когда:
Используйте web_extract или API, когда:
По данным Firecrawl, HTML-only скрейперы теряют эффективность на динамических сайтах — в 2024–2025 годах JavaScript-heavy страницы стали стандартом. Браузерная автоматизация решает эту проблему, но требует больше ресурсов.
Какие инструменты браузера есть в Hermes?
Hermes предоставляет несколько browser-инструментов:
| Инструмент | Что делает |
|---|---|
| `browser_navigate` | Открывает URL в браузере |
| `browser_snapshot` | Возвращает accessibility tree страницы с ref-ID элементов |
| `browser_click` | Кликает по элементу по его ref-ID |
| `browser_type` | Вводит текст в поле ввода |
| `browser_press` | Нажимает клавишу (Enter, Tab, Escape) |
| `browser_scroll` | Скроллит страницу вверх/вниз |
| `browser_vision` | Делает скриншот и анализирует его через vision-модель |
| `browser_console` | Получает вывод консоли браузера и ошибки JavaScript |
| `browser_back` | Возвращает на предыдущую страницу |
Все инструменты работают с ref-ID элементов (@e1, @e2), которые Hermes получает из accessibility tree. Это надёжнее, чем CSS-селекторы — если разработчик изменит класс кнопки с btn-primary на button-main, агент всё равно найдёт её по роли «Submit».
Как Hermes взаимодействует с веб-страницами: пошаговый процесс
Шаг 1: Навигация
Агент открывает URL через browser_navigate. Страница рендерится в headless-режиме (без видимого окна), и Hermes получает компактный снимок с интерактивными элементами.
Шаг 2: Анализ страницы
Через browser_snapshot(full=true) агент получает полное дерево содержимого. Для визуальной проверки используется browser_vision — скриншот анализируется vision-моделью, что позволяет понять визуальное расположение элементов.
Шаг 3: Взаимодействие
Агент кликает по кнопкам (browser_click(@e5)), вводит текст (browser_type(@e3, "текст")), нажимает клавиши (browser_press("Enter")). Каждое действие возвращает обновлённый снимок страницы.
Шаг 4: Извлечение данных
После нужных действий Hermes извлекает данные из accessibility tree или анализирует скриншот. Результат можно передать дальше — в код, файл, Telegram-уведомление.
Шаг 5: Проверка результата
Агент проверяет, что задача выполнена: сравнивает URL, ищет ожидаемый текст, анализирует скриншот. Если что-то пошло не так — адаптирует действия.
Реальные сценарии использования
Мониторинг конкурентов
Hermes может по расписанию (через cron) проверять страницы конкурентов: цены, функции, вакансии. Агент открывает страницу, извлекает данные, сравнивает с предыдущим снимком и уведомляет только при изменениях.
Пример: каждый понедельник в 9:00 проверять страницу цен конкурента. Если цена изменилась — отправить уведомление в Telegram с разницей.
Заполнение форм
Агент умеет заполнять длинные формы: государственные портальные, заявки на работу, повторяющийся ввод данных. По данным Skyvern, AI-автозаполнение обрабатывает форму из 30 полей за ~90 секунд против 12+ минут вручную.
Тестирование интерфейса
Hermes может выступать как QA-инженер: описать тестовые сценарии на естественном языке, а агент кликает по приложению, проверяет состояния, делает скриншоты ошибок и отчитывается о результатах.
Извлечение структурированных данных
Агент навигирует по пагинации, обрабатывает lazy-loaded контент и возвращает чистый JSON без написания кода скрейпера. Работает с таблицами цен, списками продуктов, публичными записями.
Локальный vs облачный браузер
Hermes поддерживает два режима работы с браузером:
Локальный Chromium
Встроенный режим «из коробки». Chromium запускается на том же сервере, где работает Hermes. Подходит для большинства задач: навигация, извлечение данных, заполнение форм.
Плюсы: бесплатно, быстро, данные не покидают сервер.
Минусы: нет anti-detect профилей, ограниченная ротация IP.
Облачные браузеры (Browser Use, Browserbase)
Для задач, требующих стелс-режима, ротации IP или обхода антибот-защит. Hermes интегрируется с Browser Use — облачным сервисом с residential прокси в 195+ странах.
Настройка через hermes setup tools → выбор Browser Automation → Browser Use → ввод API-ключа. После этого все browser-задачи автоматически маршрутизируются через облако.
Как настроить браузерную автоматизацию в Hermes
Вариант 1: Локальный Chromium (по умолчанию)
Ничего настраивать не нужно — Chromium уже предустановлен на AWS Marketplace образе Hermes. Для локальной установки:
# Установка Playwright и Chromium
hermes setup tools
# Выбрать: Browser Automation → Local Chromium
Вариант 2: Browser Use (облако)
# Получить API-ключ на cloud.browser-use.com
hermes setup tools
# Выбрать: Browser Automation → Browser Use
# Ввести API-ключ
Или вручную в ~/.hermes/.env:
BROWSER_USE_API_KEY=your_key_here
И в ~/.hermes/config.yaml:
browser:
cloud_provider: browser-use
Вариант 3: Browser Use CLI
# Установка CLI
uv tool install browser-use
# Проверка
browser-use doctor
# Установка скилла
browser-use skill install
# Авторизация
browser-use auth login
Ограничения и безопасность
Антибот-защита
Hermes включает stealth-слой с реалистичным движением мыши, человеческим темпом ввода и корректными заголовками. Но современные CAPTCHA (reCAPTCHA v3, hCaptcha, Cloudflare Turnstile) могут блокировать агента. Решение — подключить сторонний CAPTCHA-солвер через API.
Безопасность авторизованных сессий
Браузерный профиль хранит cookie и сессии. Read-only извлечение и QA — низкий риск. Покупки, изменения аккаунтов, отправка форм, сообщения и деструктивные действия требуют явного одобрения и узкого scope.
Ресурсы
Каждая browser-сессия потребляет память и CPU. На AWS Marketplace образе Hermes предустановлен Chrome + Playwright + noVNC для визуальной отладки. Для продакшена рекомендуется выделить отдельный сервер для browser-задач.
Почемубраузерная автоматизация стала mainstream в 2025–2026?
Adobe Analytics зафиксировал рост трафика от AI-агентов на розничные сайты США на 4 700% в июле 2025 года по сравнению с предыдущим годом. Рынок AI-браузеров вырастет с $4.5 млрд в 2024 до $76.8 млрд к 2034 году (CAGR 32.8%).
Три причины, почему браузерные агенты стали viable:
FAQ
Чем Hermes отличается от обычного Playwright?
Hermes оборачивает Playwright в цикл задач с промптами, скриншотами, vision, логами, файлами, cron и доставкой сообщений. Не нужно писать Playwright-тест вручную — достаточно описать желаемый результат на естественном языке.
Можно ли использовать браузер по расписанию?
Да. Через Hermes cron агент может открывать страницу, выполнять чеклист, делать скриншоты и уведомлять Telegram только при сбое meaningful check.
Безопасно ли работать с авторизованными аккаунтами?
При осторожной настройке — да. Treat browser profiles as credential-bearing state, деструктивные действия ставьте behind approvals, не обходите CAPTCHA или access controls без необходимости.
Когда не стоит использовать браузерную автоматизацию?
Когда данные доступны через стабильный API, MCP-сервер, RSS-ленту или web_extract. Browser-сессии лучше保留 для rendered apps, login flows, visual QA, forms, checkout paths и сайтов, где JavaScript меняет результат.
Hermes Agent бесплатен?
Да, Hermes — open-source проект (Apache-2.0). Браузерная автоматизация с локальным Chromium бесплатна. Облачные браузеры (Browser Use) имеют свою стоимость: от $16/мес.
Как Hermes обходит антибот-защиту?
Встроен stealth-слой с реалистичным поведением. Для сложных CAPTCHA рекомендуется подключить сторонний CAPTCHA-решатель через API. Для residential прокси — использовать Browser Use или Browserbase.