代码执行（编程式工具调用）

execute_code 工具允许智能体编写调用 Hermes 工具的 Python 脚本，将多步骤工作流压缩为一次 LLM 调用。该脚本在智能体主机上的子进程中运行，并通过 Unix 域套接字与 Hermes 进行 RPC 通信。

工作原理

智能体使用 from hermes_tools import ... 编写 Python 脚本
Hermes 生成一个包含 RPC 函数的 hermes_tools.py 存根模块
Hermes 打开一个 Unix 域套接字并启动 RPC 监听线程
脚本在子进程中运行 — 工具调用通过套接字传回 Hermes
仅脚本的 print() 输出会返回给 LLM；中间工具结果不会进入上下文窗口

# 智能体可以编写如下脚本：
from hermes_tools import web_search, web_extract

results = web_search("Python 3.13 features", limit=5)
for r in results["data"]["web"]:
    content = web_extract([r["url"]])
    # ... 过滤和处理 ...
print(summary)

脚本中可用的工具： web_search, web_extract, read_file, write_file, search_files, patch, terminal（仅前台模式）。

智能体何时使用此功能

当出现以下情况时，智能体会使用 execute_code：

3次以上工具调用，且调用之间有处理逻辑
批量数据过滤或条件分支
对搜索结果进行循环处理

关键优势：中间工具结果不会进入上下文窗口 — 只有最终的 print() 输出会返回，显著减少 token 使用量。

实用示例

数据处理管道

from hermes_tools import search_files, read_file
import json

# 查找所有配置文件并提取数据库设置
matches = search_files("database", path=".", file_glob="*.yaml", limit=20)
configs = []
for match in matches.get("matches", []):
    content = read_file(match["path"])
    configs.append({"file": match["path"], "preview": content["content"][:200]})

print(json.dumps(configs, indent=2))

多步骤网络研究

from hermes_tools import web_search, web_extract
import json

# 一次调用完成搜索、提取和总结
results = web_search("Rust async runtime comparison 2025", limit=5)
summaries = []
for r in results["data"]["web"]:
    page = web_extract([r["url"]])
    for p in page.get("results", []):
        if p.get("content"):
            summaries.append({
                "title": r["title"],
                "url": r["url"],
                "excerpt": p["content"][:500]
            })

print(json.dumps(summaries, indent=2))

批量文件重构

from hermes_tools import search_files, read_file, patch

# 查找所有使用已弃用 API 的 Python 文件并进行修复
matches = search_files("old_api_call", path="src/", file_glob="*.py")
fixed = 0
for match in matches.get("matches", []):
    result = patch(
        path=match["path"],
        old_string="old_api_call(",
        new_string="new_api_call(",
        replace_all=True
    )
    if "error" not in str(result):
        fixed += 1

print(f"修复了 {fixed} 个文件，共找到 {len(matches.get('matches', []))} 个匹配项")

构建和测试管道

from hermes_tools import terminal, read_file
import json

# 运行测试，解析结果并报告
result = terminal("cd /project && python -m pytest --tb=short -q 2>&1", timeout=120)
output = result.get("output", "")

# 解析测试输出
passed = output.count(" passed")
failed = output.count(" failed")
errors = output.count(" error")

report = {
    "passed": passed,
    "failed": failed,
    "errors": errors,
    "exit_code": result.get("exit_code", -1),
    "summary": output[-500:] if len(output) > 500 else output
}

print(json.dumps(report, indent=2))

执行模式

execute_code 有两种执行模式，由 ~/.hermes/config.yaml 中的 code_execution.mode 控制：

模式	工作目录	Python 解释器
`project`（默认）	会话的工作目录（与 `terminal()` 相同）	活动的 `VIRTUAL_ENV` / `CONDA_PREFIX` python，失败时回退到 Hermes 自身的 python
`strict`	与用户项目隔离的临时暂存目录	`sys.executable`（Hermes 自身的 python）

何时保持 project 模式： 当你希望 import pandas、from my_project import foo 或相对路径如 open(".env") 与 terminal() 中工作方式一致时。这通常是您想要的效果。

何时切换到 strict 模式： 当你需要最大程度的复现性 — 无论用户激活了哪个 venv，你希望每次会话使用相同的解释器，并且希望脚本与项目树隔离（避免通过相对路径意外读取项目文件的风险）。

# ~/.hermes/config.yaml
code_execution:
  mode: project   # 或 "strict"

project 模式下的回退行为：如果 VIRTUAL_ENV / CONDA_PREFIX 未设置、损坏或指向低于 3.8 版本的 Python，解析器会干净地回退到 sys.executable — 它永远不会在没有有效解释器的情况下离开智能体。

两种模式下安全关键不变量完全相同：

环境清理（API 密钥、令牌、凭据被剥离）
工具白名单（脚本不能递归调用 execute_code、delegate_task 或 MCP 工具）
资源限制（超时、stdout 上限、工具调用上限）

切换模式只会改变脚本的运行位置和运行它们的解释器，而不会改变它们能看到的凭据或能调用的工具。

资源限制

资源	限制	说明
超时	5 分钟（300 秒）	脚本先用 SIGTERM 终止，5 秒宽限期后使用 SIGKILL
Stdout	50 KB	输出被截断，并显示 `[output truncated at 50KB]` 提示
Stderr	10 KB	非零退出时包含在输出中以便调试
工具调用	每次执行 50 次	达到限制时返回错误

所有限制均可通过 config.yaml 配置：

# 在 ~/.hermes/config.yaml 中
code_execution:
  mode: project      # project (默认) | strict
  timeout: 300       # 每次脚本的最大秒数（默认：300）
  max_tool_calls: 50 # 每次执行的最大工具调用次数（默认：50）

脚本内部工具调用的工作原理

当您的脚本调用类似 web_search("query") 的函数时：

调用被序列化为 JSON 并通过 Unix 域套接字发送到父进程
父进程通过标准的 handle_function_call 处理器进行分派
结果通过套接字发回
函数返回解析后的结果

这意味着脚本内部的工具调用与正常工具调用行为完全一致 — 相同的速率限制、相同的错误处理和相同的功能。唯一限制是 terminal() 仅支持前台模式（不支持 background 或 pty 参数）。

错误处理

当脚本失败时，智能体会收到结构化的错误信息：

非零退出代码：stderr 包含在输出中，因此智能体能看到完整的堆栈跟踪
超时：脚本被终止，智能体看到 "Script timed out after 300s and was killed."
中断：如果用户在执行期间发送新消息，脚本将被终止，智能体看到 [execution interrupted — user sent a new message]
工具调用限制：达到 50 次调用限制后，后续工具调用将返回错误消息

响应始终包含 status（成功/错误/超时/中断）、output、tool_calls_made 和 duration_seconds。

安全性

安全模型

子进程以最小化环境运行。默认情况下会剥离 API 密钥、令牌和凭据。脚本只能通过 RPC 通道访问工具 — 除非明确允许，否则无法从环境变量中读取机密信息。

名称中包含 KEY、TOKEN、SECRET、PASSWORD、CREDENTIAL、PASSWD 或 AUTH 的环境变量会被排除。只有安全的系统变量（PATH、HOME、LANG、SHELL、PYTHONPATH、VIRTUAL_ENV 等）会被传递。

技能环境变量透传

当技能在前言中声明 required_environment_variables 时，这些变量会在技能加载后自动透传给 execute_code 和 terminal 子进程。这使得技能可以使用其声明的 API 密钥，而不会削弱任意代码的安全态势。

对于非技能用例，您可以在 config.yaml 中显式允许列表变量：

terminal:
  env_passthrough:
    - MY_CUSTOM_KEY
    - ANOTHER_TOKEN

有关完整详情，请参阅安全指南。

Hermes 总是将脚本和自动生成的 hermes_tools.py RPC 存根写入临时暂存目录，并在执行后清理。在 strict 模式下脚本也在那里运行；在 project 模式下它在会话的工作目录中运行（暂存目录保持在 PYTHONPATH 上，因此导入仍然可以解析）。子进程在其自己的进程组中运行，因此可以在超时或中断时被干净地终止。

execute_code vs terminal

使用场景	execute_code	terminal
需要在工具调用之间进行多步骤工作流	✅	❌
简单 shell 命令	❌	✅
过滤/处理大型工具输出	✅	❌
运行构建或测试套件	❌	✅
对搜索结果进行循环处理	✅	❌
交互式/后台进程	❌	✅
需要在环境中使用 API 密钥	⚠️ 仅通过透传	✅（大多数会自动透传）

经验法则： 当您需要以编程方式调用 Hermes 工具并在调用之间添加逻辑时使用 execute_code。当您需要运行 shell 命令、构建和进程时使用 terminal。

平台支持

代码执行需要 Unix 域套接字，仅在 Linux 和 macOS 上可用。在 Windows 上会自动禁用 — 智能体会回退到常规顺序工具调用。

工作原理​

智能体何时使用此功能​

实用示例​

数据处理管道​

多步骤网络研究​

批量文件重构​

构建和测试管道​

执行模式​

资源限制​

脚本内部工具调用的工作原理​

错误处理​

安全性​

技能环境变量透传​

execute_code vs terminal​

平台支持​