Le pides a Hermes algo medianamente complicado en una web — entrar en un dashboard, abrir un informe, copiar los números clave — y te pasas el rato viéndolo repetir el mismo ciclo de siempre: captura de pantalla, mirar, clic, captura de pantalla, mirar otra vez. Cada paso consume tokens y, cuando la tarea termina, una buena parte de tu presupuesto se ha ido en «mirar». En agosto de 2026 este dolor recibió una respuesta seria: Hermes integró el modo Browser Use CLI 3.0 (PR #81958), que sustituye el ciclo de captura y clic por una única herramienta que ejecuta código Python directamente en el navegador. Según los benchmarks oficiales, el consumo total de tokens en tareas web de varios pasos cayó aproximadamente a la mitad.

Qué es el modo Browser Use CLI 3.0

Browser Use es un framework de automatización de navegador de código abierto, y su CLI 3.0 permite ejecutar un fragmento de código Python que realiza acciones arbitrarias en un navegador real (conectado a través de CDP). Con esta actualización, cuando configuras browser.backend como browser-use, el modelo ya no ve una docena de herramientas pequeñas como browser_navigate, browser_click y browser_type. En su lugar, recibe una única herramienta browser_exec: expresas lo que quieres como código y una sola llamada completa muchos pasos.

El planteamiento oficial es sencillo: 12 herramientas se convierten en 1 al pasar de «generar una secuencia de acciones token a token» a «generar código ejecutable como un todo». Cuantos más pasos tiene una tarea, mayor es la diferencia — los benchmarks, con 4 baterías y 204 ejecuciones, muestran una caída del consumo total de tokens del 48 % al 66 % en tareas web de varios pasos, con la precisión intacta.

Cómo activarlo

Añade una línea a la sección browser: de tu config.yaml:

browser:
  backend: browser-use   # "" = built-in tools; browser-use = Browser Use CLI 3.0 mode

Reinicia tu sesión de Hermes después del cambio. Antes del primer uso, asegúrate de que la CLI de Browser Use esté instalada:

# pick one
uv tool install browser-use
pipx install browser-use

# verify the install
browser-use --doctor

Si la CLI no está disponible, Hermes intentará usar uvx como alternativa sin instalación; si eso también falla, el mensaje de error te dice exactamente qué instalar.

Cómo usarlo en una sesión

Una vez activado el modo, browser_exec recibe un único argumento obligatorio, code — un fragmento de Python que puede llamar a una serie de helpers ya pre-importados (no hacen falta imports):

Helper	Qué hace
new_tab(url)	Abre una pestaña nueva (úsala para la primera navegación)
goto_url(url)	Navega en la pestaña actual
wait_for_load()	Espera a que la página termine de cargar
page_info()	Devuelve un resumen del estado actual de la página
js(expr)	Evalúa una expresión JS y devuelve su valor, p. ej. js('document.title')
fill_input(selector, text)	Escribe texto en un campo de entrada
click_at_xy(x, y)	Hace clic en unas coordenadas del viewport
capture_screenshot()	Guarda una captura de pantalla e imprime su ruta
cdp('Domain.method', **kwargs)	Llamadas directas al protocolo CDP
ensure_real_tab()	Se recupera de una pestaña interna o desactualizada

Un fragmento típico tiene esta pinta:

new_tab("https://example.com/login")
wait_for_load()
fill_input("#username", "demo")
fill_input("#password", "secret")
js("document.querySelector('button[type=submit]').click()")
wait_for_load()
print(page_info())

El modelo genera todo el fragmento de una sola vez y se lo pasa a browser_exec, en lugar de ir haciendo capturas en cada paso. ¿Necesitas un nombre estable para la tarea? Pasa session (de 1 a 64 letras, dígitos, guiones o guiones bajos), p. ej. browser_exec(code=..., session="r7k2").

Cómo se combina con tus backends de navegador actuales

Esta es la parte más interesante de la actualización: browser_exec no es un navegador nuevo y aislado — solo cambia el motor manteniendo el coche. El endpoint de CDP se resuelve a través de la misma cadena que usan las herramientas integradas: variables de entorno BU_* → override manual /browser connect → tu proveedor de nube configurado. Así que Chrome local, los navegadores en la nube de Nous Portal, Browserbase y Firecrawl siguen funcionando — solo cambia la forma de dirigirlos.

Tres detalles que conviene conocer:

1. Las configuraciones heredadas de Browser Use Cloud migran automáticamente: los setups antiguos que usan cloud_provider: browser-use más una BROWSER_USE_API_KEY se detectan automáticamente como modo Browser Use, sin necesidad de cambios manuales.
2. Los usuarios de Camofox no notan nada: Camofox está basado en Firefox y no expone superficie de CDP, así que aunque escribas backend: browser-use, los escenarios de Camofox vuelven automáticamente al conjunto de herramientas integrado — sin cambios silenciosos.
3. Restricción por terminal: browser_exec es Python arbitrario por naturaleza, así que las sesiones cuyo toolset excluye terminal ni siquiera ven la herramienta en el momento de la definición — las sesiones con pocos privilegios no pueden adquirir esta capacidad.

Notas de seguridad

Una herramienta que ejecuta Python arbitrario merece un escrutinio especial. browser_exec mantiene las comprobaciones de seguridad de URL del navegador integrado: los literales http(s):// de tu código se validan contra la política de bloqueo de browser_navigate, y los destinos peligrosos fallan al instante. Para los muros de login, la recomendación oficial es incorporar el comportamiento al propio código: si hacen falta credenciales, detente y pregunta al usuario — nunca adivines.

Según nuestras pruebas, este modo brilla en tareas web con pasos claros y repetibles — rellenar formularios, extraer datos, operaciones por lotes — mientras que el criterio asistido por capturas sigue teniendo su sitio para las decisiones visuales. Para conocer más capacidades de navegador de Hermes, echa un vistazo a nuestra guía de preview-browser para escritorio o al recopilatorio de trucos ocultos. Si todavía no has instalado Hermes, la guía de instalación te deja listo en cinco minutos.