Cara Menyelesaikan CAPTCHA dalam Otomatisasi Browser dengan Hermes Agent dan CapSolver

Ketika agen AI Anda menjelajahi web untuk Anda, CAPTCHA adalah penghalang utama. Halaman yang dilindungi memblokir agen, formulir menolak untuk dikirim, dan tugas terhenti menunggu intervensi manusia.

Hermes Agent oleh Nous Research adalah agen AI yang terus meningkatkan diri yang dapat berjalan di mana saja — dari VPS $5 hingga klaster GPU — dan mencapai Anda di setiap saluran yang sudah Anda gunakan: Telegram, Discord, Slack, WhatsApp, Signal, dan email. Ia juga dapat menggerakkan browser untuk menavigasi halaman, mengklik tombol, mengisi formulir, dan mengekstrak data atas nama Anda. Namun, seperti agen lain yang menggerakkan browser, ia terjebak pada CAPTCHA.

CapSolver mengubah ini secara total. Dengan memuat ekstensi CapSolver Chrome ke dalam browser yang dihubungkan oleh Hermes, CAPTCHA diselesaikan secara otomatis dan tidak terlihat di latar belakang. Tidak ada kode. Tidak ada panggilan API dari pihak Anda. Tidak ada latihan rekayasa prompt.

Bagian terbaiknya? Anda bahkan tidak perlu menyebutkan CAPTCHA kepada agen. Anda cukup memintanya untuk menunggu sejenak sebelum mengirim — dan ketika ia mengklik Kirim, CAPTCHA sudah terselesaikan.

Apa itu Hermes Agent?

Hermes Agent adalah agen AI otonom sumber terbuka yang dibuat oleh Nous Research. Ia dirancang berdasarkan tiga prinsip: memori yang tetap (ia mengingat Anda dan proyek Anda di antara sesi), pembuatan keterampilan otonom (ia belajar prosedur dari pengalaman dan memainkannya kembali di lain waktu), dan fleksibilitas infrastruktur (jalankan di VPS kecil, kontainer Docker, sandbox tanpa server, atau komputer GPU Anda sendiri).

Fitur Utama

• Gerbang multi-channel: Berbicara dengan agen Anda melalui Telegram, Discord, Slack, WhatsApp, Signal, email, atau antarmuka terminal sendirinya
• Model yang Anda bawa sendiri: OpenRouter (200+ model), Nous Portal, NVIDIA NIM, Z.AI, endpoint Anda sendiri — ganti dengan hermes model
• Memori lintas sesi: Pencarian sesi FTS5 + penyederhanaan LLM berarti agen mengingat apa yang Anda bicarakan minggu lalu
• Sistem keterampilan: Memori prosedural yang dibangun agen sendiri, kompatibel dengan standar agentskills.io
• Tujuh backend terminal: Lokal, Docker, SSH, Singularity, Modal, Daytona, Vercel Sandbox
• Alat browser terintegrasi: Menggerakkan Chromium nyata melalui Playwright + Chrome DevTools Protocol

Alat Browser

Hermes dapat menggerakkan browser Chromium untuk melakukan pekerjaan nyata — menavigasi, membaca DOM, mengklik, mengetik, mengambil screenshot, menggali data. Lapisan alat browser-nya unik dalam satu cara khusus: alih-alih memaksa Anda ke satu backend, Hermes mendukung lima penyedia browser yang dapat dipertukarkan:

Penyedia cloud tidak dapat memuat ekstensi — Anda tidak mengontrol browser jarak jauh. Camoufox berbasis Firefox dan tidak dapat menjalankan ekstensi Chrome MV3. Titik integrasi yang bersih adalah yang kelima: CDP attach, di mana Hermes terhubung ke Chromium Anda yang telah Anda jalankan secara terpisah. Itulah tempat CapSolver masuk.

Ini adalah model yang berbeda dari alat seperti OpenClaw (yang menjalankan Chromium sendiri dan menerima array browser.extensions) atau Crawlee (di mana Anda mengontrol bendera peluncuran Playwright). Dengan Hermes, Anda membawa Chrome Anda sendiri dengan ekstensi yang sudah dimuat, dan Hermes terhubung ke itu melalui protokol DevTools.

Apa itu CapSolver?

CapSolver adalah layanan penyelesaian CAPTCHA terkemuka yang menyediakan solusi berbasis AI untuk mengatasi tantangan CAPTCHA modern. Dengan dukungan untuk setiap jenis CAPTCHA utama dan respons yang cepat, CapSolver terintegrasi secara mulus ke dalam alur kerja otomatis — baik Anda menggerakkan browser melalui Playwright, memanggil API-nya secara langsung, atau, seperti dalam panduan ini, menjalankan ekstensi Chrome-nya di dalam sesi browser agen.

Mengapa Integrasi Ini Berbeda

Kebanyakan integrasi penyelesaian CAPTCHA membutuhkan Anda menulis kode — membuat panggilan API, memantau hasil, menyisipkan token ke bidang formulir tersembunyi. Itu cara kerjanya dengan alat seperti Crawlee, Puppeteer, atau Playwright.

Hermes + CapSolver berbeda secara fundamental:

Kesadaran kunci: Ekstensi CapSolver berjalan di dalam browser yang terhubung. Hermes terhubung ke browser itu melalui CDP dan menggerakkannya secara normal. Ketika agen mengunjungi halaman dengan CAPTCHA, ekstensi — berjalan di Chrome yang sama, sama sekali tidak terlihat bagi agen — mendeteksi widget, memanggil API CapSolver, dan menyisipkan token solusi ke halaman. Ketika agen mengklik Kirim, formulir sudah memiliki token yang valid.

Anda hanya perlu memberinya waktu. Alih-alih meminta agen untuk "selesaikan CAPTCHA", Anda cukup berkata:

"Pergi ke halaman itu, tunggu 60 detik, lalu klik Kirim."

Itu saja. Agen tidak perlu tahu bahwa CapSolver ada.

Prasyarat

Sebelum mengatur integrasi, pastikan Anda memiliki:

1. Hermes Agent yang terinstal dan gateway yang berjalan (instruksi instalasi)
2. Akun CapSolver dengan kunci API (daftar di sini)
3. Chromium atau Chrome untuk Pengujian (lihat catatan penting di bawah)

Catatan Penting: Anda Membutuhkan Chromium, Bukan Google Chrome

Google Chrome 137+ (dirilis pertengahan 2025) secara diam-diam menghapus dukungan untuk --load-extension dalam build yang diberi merek. Ini berarti ekstensi Chrome tidak dapat dimuat dalam sesi otomatis menggunakan Google Chrome standar. Tidak ada kesalahan — flag ini hanya diabaikan.

Ini memengaruhi Google Chrome dan Microsoft Edge. Anda harus menggunakan salah satu alternatif berikut:

Cara menginstal Chrome untuk Pengujian:

# Opsi 1: Melalui Playwright (direkomendasikan — Hermes sudah menggunakan Playwright secara internal)
npx playwright install chromium

# Jalur biner akan berada di jalur seperti:
# ~/.cache/ms-playwright/chromium-XXXX/chrome-linux64/chrome           (Linux)
# ~/Library/Caches/ms-playwright/chromium-XXXX/chrome-mac/Chromium.app/Contents/MacOS/Chromium  (macOS)

# Opsi 2: Melalui unduhan langsung Chrome untuk Pengujian
# Kunjungi: https://googlechromelabs.github.io/chrome-for-testing/
# Unduh versi yang sesuai dengan OS Anda

Setelah instalasi, catat jalur lengkap ke biner — Anda akan membutuhkannya di langkah berikutnya.

Pengaturan Langkah Demi Langkah

Integrasi ini memiliki dua bagian yang bekerja bersama:

1. Proses Chrome terpisah yang Anda jalankan dengan ekstensi CapSolver yang sudah dimuat dan CDP terpapar pada port yang diketahui (kita akan menggunakan 9222).
2. Perubahan kecil pada config.yaml Hermes untuk memberitahu bahwa ia terhubung ke port CDP tersebut alih-alih menjalankan browser sendiri.

Itu saja — tidak ada kode, tidak ada perbaikan Hermes.

Langkah 1: Unduh Ekstensi Chrome CapSolver

Unduh ekstensi Chrome CapSolver dan ekstrak ke lokasi yang stabil:

1. Kunjungi rilis ekstensi CapSolver di GitHub
2. Unduh CapSolver.Browser.Extension-chrome-vX.X.X.zip terbaru
3. Ekstrak zip:

mkdir -p ~/.hermes/capsolver-extension
unzip CapSolver.Browser.Extension-chrome-v*.zip -d ~/.hermes/capsolver-extension/

4. Verifikasi ekstraksi berhasil:

ls ~/.hermes/capsolver-extension/manifest.json

Anda harus melihat manifest.json — ini memastikan ekstensi berada di tempat yang benar.

Tip tentang jalur: Gunakan jalur absolut, terurai (bukan ~) saat Anda melewati --load-extension=... ke Chrome nanti. Beberapa versi Chrome MV3 memiliki kasus tepi di mana layanan pekerja ekstensi gagal mendaftar melalui symlink di direktori user-data khusus. Jika Anda menyinkronkan ekstensi dari lokasi lain, gunakan readlink -f untuk mengurai jalur nyata dan gunakan itu.

Langkah 2: Atur Kunci API CapSolver Anda

Buka file konfigurasi ekstensi di ~/.hermes/capsolver-extension/assets/config.js dan ganti nilai apiKey dengan yang Anda miliki:

export const defaultConfig = {
  apiKey: 'CAP-XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX',  // ← kunci Anda di sini
  useCapsolver: true,
  enabledForRecaptcha: true,
  enabledForRecaptchaV3: true,
  // ... sisa konfigurasi
};

Anda dapat mendapatkan kunci API Anda dari dashboard CapSolver.

Langkah 3: Jalankan Chrome dengan Ekstensi dan CDP Aktif

Ini adalah langkah kunci. Kita menjalankan Chrome sekali, secara terpisah dari Hermes, dengan tiga bendera krusial:

• --remote-debugging-port=9222 — mengekspose protokol DevTools sehingga Hermes dapat terhubung
• --load-extension=... — memuat ekstensi CapSolver sebelumnya
• --user-data-dir=... — menggunakan profil khusus agar tidak bertabrakan dengan Chrome pribadi Anda

Hermes memiliki konvensi bawaan untuk direktori user-data: ~/.hermes/chrome-debug. Menggunakan jalur ini berarti perintah /browser connect di dalam Hermes juga "hanya bekerja" tanpa bendera tambahan.

Opsi A: Jalankan manual sekali (baik untuk uji coba cepat)

/path/to/chrome-for-testing/chrome \
  --remote-debugging-port=9222 \
  --remote-debugging-address=127.0.0.1 \
  --user-data-dir="$HOME/.hermes/chrome-debug" \
  --load-extension="$HOME/.hermes/capsolver-extension" \
  --disable-extensions-except="$HOME/.hermes/capsolver-extension" \
  --no-first-run \
  --no-default-browser-check \
  --no-sandbox

Ganti /path/to/chrome-for-testing/chrome dengan biner Anda, misalnya ~/.cache/ms-playwright/chromium-1200/chrome-linux64/chrome.

Server tanpa tampilan: Jika Anda menjalankannya di server Linux tanpa layar fisik (VPS, EC2, dll.), lihat bagian Best Practices di bawah untuk pengaturan Xvfb. Subsistem ekstensi Chrome membutuhkan konteks layar.

Opsi B: Proses latar belakang yang berkelanjutan (direkomendasikan untuk produksi)

Untuk setiap setup yang hidup lebih dari satu uji coba, bungkus peluncuran dalam skrip kecil sehingga Anda dapat menjalankan Chrome di latar belakang, memulai ulang dengan bersih, dan mengawasi dengan manajer proses apa pun yang sudah Anda gunakan (systemd, supervisor, runit, OpenRC, Docker, dll.).

Simpan ini sebagai ~/.hermes/chrome-debug.sh dan beri izin eksekusi:

#!/usr/bin/env bash
# ~/.hermes/chrome-debug.sh
# Menjalankan Chrome-for-Testing dengan ekstensi CapSolver yang sudah dimuat
# dan CDP yang terpapar di 127.0.0.1:9222.

CHROME_BIN="$HOME/.cache/ms-playwright/chromium-1200/chrome-linux64/chrome"
EXT_DIR="$HOME/.hermes/capsolver-extension"
USER_DATA_DIR="$HOME/.hermes/chrome-debug"

export DISPLAY=:99   # untuk Linux tanpa tampilan — lihat Best Practices

exec "$CHROME_BIN" \
  --remote-debugging-port=9222 \
  --remote-debugging-address=127.0.0.1 \
  --user-data-dir="$USER_DATA_DIR" \
  --load-extension="$EXT_DIR" \
  --disable-extensions-except="$EXT_DIR" \
  --no-first-run \
  --no-default-browser-check \
  --no-sandbox \
  --disable-dev-shm-usage \
  --disable-features=Translate

Cara paling sederhana untuk menjalankan secara berkelanjutan adalah:

nohup ~/.hermes/chrome-debug.sh > /tmp/chrome-debug.log 2>&1 &

Untuk produksi, awasi skrip dengan manajer proses apa pun yang Anda suka. Unit systemd minimal di ~/.config/systemd/user/chrome-debug.service:

[Unit]
Description=Chrome yang dilengkapi CapSolver untuk Hermes Agent
After=network.target

[Service]
ExecStart=%h/.hermes/chrome-debug.sh
Restart=always
RestartSec=5

[Install]
WantedBy=default.target

Kemudian:

systemctl --user daemon-reload
systemctl --user enable --now chrome-debug

Setup apa pun yang setara (program supervisord, layanan runit, kontainer Docker, dll.) berfungsi secara identik — integrasi hanya peduli bahwa sesuatu menjaga chrome-debug.sh berjalan.

Langkah 4: Beri Tahu Hermes untuk Terhubung melalui CDP

Edit konfigurasi Hermes Anda di ~/.hermes/config.yaml. Cari bagian browser: (biasanya hanya memiliki inactivity_timeout) dan tambahkan cdp_url:

browser:
  inactivity_timeout: 120
  cdp_url: http://127.0.0.1:9222

Baris tunggal ini memberi tahu alat browser_cdp Hermes untuk mengarahkan semua operasi browser melalui instance Chrome yang telah Anda jalankan di Langkah 3, alih-alih memulai yang sendiri.

Reversibilitas: Ini adalah satu-satunya perubahan pada Hermes itu sendiri. Untuk memulihkan, hapus baris cdp_url. Hermes kembali ke penyedia browser default apa pun yang ia gunakan (Browserbase, Browser Use, dll.) tanpa efek samping lainnya.

Langkah 5: Restart Hermes

Jika Hermes sudah berjalan, restart agar mengambil cdp_url baru:

# Jalan langsung (foreground atau di bawah supervisor Anda):
hermes gateway run

# Atau restart melalui manajer proses apa pun yang Anda awasi —
# satu-satunya persyaratan adalah bahwa lingkungan/konfigurasi baru mengambil efek.

Langkah 6: Verifikasi Pengaturan

Hermes dilengkapi dengan perintah diagnostik bawaan yang memeriksa setiap bagian integrasi dalam satu kali jalan:

hermes doctor

Anda mencari sinyal ini:

◆ Ketersediaan Alat
  ✓ browser-cdp        ← CDP attach aktif
  ✓ browser
  ...

◆ Konektivitas API
  Memeriksa API OpenRouter...  ✓ API OpenRouter

Jika browser-cdp muncul di Ketersediaan Alat, Hermes telah mendeteksi titik akhir CDP Anda dan integrasi terhubung dengan benar. Jika tidak muncul, Hermes secara diam-diam menonaktifkan alat (tidak ada kesalahan) — itulah diagnostik yang perlu Anda pantau.

Anda juga dapat memverifikasi bahwa Chrome dapat diakses secara langsung:

curl -s http://127.0.0.1:9222/json/version

Sebuah respons seperti berikut mengonfirmasi bahwa CDP sedang berjalan:

{
   "Browser": "Chrome/<versi Anda>",
   "Protocol-Version": "1.3",
   "webSocketDebuggerUrl": "ws://127.0.0.1:9222/devtools/browser/..."
}

Tentang visibilitas service worker CapSolver: Service worker Chrome MV3 berada dalam keadaan tidur aktif secara agresif, dan pada versi Chrome terbaru, /json/list mungkin tidak menampilkan mereka sama sekali bahkan saat mereka sedang berjalan. Ketidakhadiran di /json/list bukan indikasi masalah — konfirmasi bahwa CapSolver berjalan dengan membuka halaman reCAPTCHA nyata melalui agen dan mengamati hasil widget di halaman, bukan dengan memantau daftar target.

Cara Menggunakannya

Ini adalah bagian paling penting. Setelah setup selesai, menggunakan CapSolver dengan Hermes adalah sangat sederhana.

Aturan Emas

Jangan menyebut CAPTCHA atau CapSolver kepada agen. Beri waktu saja sebelum mengirim formulir.

Agen tidak perlu tahu tentang CAPTCHA. Ekstensi menangani semuanya di latar belakang. Yang perlu Anda lakukan hanyalah menyertakan waktu tunggu dalam instruksi Anda sehingga ekstensi memiliki waktu untuk menyelesaikan tantangan sebelum formulir dikirim.

Contoh 1: Uji coba satu langkah

Mode satu langkah Hermes (hermes -z "...") ideal untuk menguji integrasi. Jalankan ini dari terminal mana pun di mana CLI hermes tersedia:

hermes -z 'Buka https://www.google.com/recaptcha/api2/demo. Tunggu 60 detik agar halaman selesai dimuat. Lalu klik tombol yang berlabel "Kirim!" atau dengan id "recaptcha-demo-submit". Setelah mengklik, tunggu 5 detik dan beri tahu saya teks yang terlihat di halaman.' --yolo

Apa yang terjadi di balik layar:

1. Hermes terhubung ke Chrome Anda melalui CDP
2. Agen mengarahkan ke halaman demo reCAPTCHA Google
3. Skrip konten CapSolver (berjalan di dalam Chrome) mendeteksi widget reCAPTCHA
4. Worker layanan ekstensi memanggil API CapSolver dan menyelesaikan tantangan (biasanya dalam 5–15 detik)
5. Token dimasukkan ke dalam bidang formulir tersembunyi g-recaptcha-response
6. Setelah 60 detik, agen mengklik Kirim
7. Server Google memvalidasi token dan mengembalikan halaman hasil
8. Agen membaca teks setelah mengirim: "Verifikasi Sukses... Hooray!"

String "Verifikasi Sukses... Hooray!" adalah pesan konfirmasi milik Google — hanya muncul ketika token reCAPTCHA yang valid dikirim bersama formulir.

Contoh 2: Dari saluran pesan

Kirim ini dari saluran mana pun yang terhubung ke gateway Hermes (Telegram, Discord, Slack, dll.):

Buka https://example.com/login, isi kolom email dengan
"me@example.com" dan kolom kata sandi dengan "mypassword123",
lalu tunggu 30 detik dan klik tombol Masuk.
Beritahu saya halaman apa yang muncul setelah masuk.

Hermes akan mengarahkan permintaan ke agennya, terhubung ke Chrome yang sama, mengisi formulir, memberi waktu ekstensi untuk menyelesaikan CAPTCHA di halaman masuk, mengklik Masuk, dan menjawab dengan apa pun yang ditampilkan halaman setelah masuk — tanpa Anda pernah menyebutkan CAPTCHA.

Contoh 3: Kirim formulir kontak dengan reCAPTCHA

Buka https://example.com/contact dan isi formulir kontak:
- Nama: "John Doe"
- Email: "john@example.com"
- Pesan: "Halo, saya punya pertanyaan tentang layanan Anda."
Tunggu 45 detik, lalu klik Kirim Pesan.
Apa konfirmasi yang muncul di halaman?

Waktu Tunggu yang Direkomendasikan

Tips: Jika ragu, gunakan 60 detik. Lebih baik menunggu sedikit lebih lama daripada mengirim terlalu dini. Waktu tambahan hampir gratis — tagihan CapSolver Anda per penyelesaian, bukan per detik.

Pola Bahasa Alami yang Berfungsi

Berikut adalah frasa yang telah terbukti dapat digunakan di semua saluran Hermes:

• "Pergi ke [URL], tunggu 60 detik, lalu kirim formulir"
• "Navigasi ke [URL], isi [bidang], tunggu 30 detik, lalu klik [tombol]"
• "Buka [URL] dan setelah sekitar satu menit, klik Kirim dan beri tahu saya hasilnya"
• "Kunjungi [URL], tunggu sejenak agar halaman selesai dimuat, lalu kirim"

Apa yang Harus Dihindari

Hindari frasa-frasa ini — mereka bisa membingungkan agen dan telah teramati menyebabkan penolakan pada beberapa model yang diatur keamanannya (terutama keluarga GLM):

• "Tunggu CAPTCHA diselesaikan" (agen tidak tahu tentang CAPTCHA)
• "Gunakan CapSolver untuk menyelesaikan verifikasi" (agen tidak mengontrol ekstensi)
• "Klik kotak reCAPTCHA" (ekstensi menangani ini — mengklik bisa mengganggu)
• "Lewati pemeriksaan keamanan" (terdengar seperti tindakan adversarial — beberapa model akan menolak)

Cara Kerjanya di Bawah Kondisi Teknis

Untuk yang tertarik secara teknis, berikut adalah arsitektur:

  Pesan Anda                  Gateway Hermes
  ──────────────────────────────────────────────────────────
  "pergi ke halaman,           ──►   Agen Hermes menerima pesan
   tunggu 60s, kirim"           │
                                ▼
                           browser_cdp / alat browser
                                │  (terhubung via WebSocket
                                │   ke ws://127.0.0.1:9222)
                                ▼
                           ┌────────────────────────────────────┐
                           │  chrome-debug Chromium (latar belakang)│
                           │                                     │
                           │  ┌───────────────────────────────┐ │
                           │  │ Ekstensi CapSolver MV3        │ │
                           │  │ (dimuat via --load-extension; │ │
                           │  │  memerlukan Chrome untuk Uji Coba  │ │
                           │  │  atau Chromium — Chrome 137+ mengabaikan flag ini) │ │
                           │  │                                │ │
                           │  │ 1. skrip konten mendeteksi CAPTCHA │
                           │  │ 2. worker layanan memanggil API CapSolver │
                           │  │ 3. token diterima                │ │
                           │  │ 4. token dimasukkan ke bidang formulir │ │
                           │  └───────────────────────────────┘ │
                           └────────────────────────────────────┘
                                │
                                ▼
                           Agen Hermes menunggu 60 detik...
                                │
                                ▼
                           browser_cdp: klik Kirim
                                │
                                ▼
                           Form dikirim DENGAN token yang valid
                                │
                                ▼
                           Halaman konfirmasi setelah mengirim

Mengapa Menggunakan Koneksi CDP Daripada "Hanya Melewati Daftar Ekstensi"?

Lapisan alat browser Hermes dibangun di sekitar lima penyedia yang dapat dipertukarkan (Browserbase, Browser Use, Firecrawl, Camoufox, Chromium headless). Tiga dari mereka adalah cloud — Anda tidak mengontrol biner browser, jadi tidak ada tempat untuk menempatkan flag --load-extension. Satu (Camoufox) berbasis Firefox. Kelima — CDP attach — adalah satu-satunya titik di mana Chromium yang dikontrol pengguna dapat dihubungkan.

Perbandingan ini sangat menguntungkan: Hermes tetap portabel ke cloud secara default, tetapi saat Anda ingin kekuatan khusus di browser (CapSolver, pemblokir iklan Anda sendiri, alat MV3 kustom, cookie persisten, apa pun yang Anda inginkan), Anda menjalankan Chrome sendiri dan mengarahkan Hermes kepadanya. Satu baris konfigurasi. Total kontrol.

Apa yang Dilakukan --load-extension Secara Sebenarnya

Ketika Chrome dimulai dengan --load-extension=/path/to/extension, itu menangani direktori tersebut sebagai ekstensi yang tidak dikemas — mekanisme yang sama yang digunakan mode pengembang Chrome. Manifest ekstensi, skrip konten, dan worker layanan didaftarkan persis seperti jika Anda menginstalnya dari Chrome Web Store. Tidak ada perbedaan sandboxing, tidak ada akses API yang terbatas — itu adalah ekstensi yang sepenuhnya berwenang.

Ekstensi CapSolver kemudian mengambil alih sisa proses:

1. Skrip konten (diinjeksikan ke setiap halaman) memantau widget CAPTCHA yang dikenal — reCAPTCHA, Cloudflare, AWS WAF, dll.
2. Ketika widget ditemukan, skrip konten mengirim pesan ke worker layanan
3. Worker layanan mengautentikasi dengan API CapSolver menggunakan kunci dari assets/config.js, mengirim detail tantangan, dan memantau token
4. Setelah token diterima, token dimasukkan ke bidang respons tersembunyi halaman melalui skrip konten
5. Saat agen mengklik Kirim, formulir sudah membawa token yang telah diselesaikan

Agen Hermes sepenuhnya tidak terlibat — ia melihat halaman normal, menunggu waktu yang Anda beri, dan mengirimnya. Halaman hanya saja memiliki token yang valid.

Catatan lingkungan: Hindari --disable-background-networking dalam flag Chrome Anda. Ini memblokir XHR/fetch ekstensi worker layanan CapSolver — sehingga ekstensi tidak pernah bisa mengakses API CapSolver. Resep di Langkah 3 secara sengaja mengabaikan hal ini.

Referensi Konfigurasi Lengkap

Sisi Hermes: ~/.hermes/config.yaml

Perubahan yang diperlukan hanya menambahkan cdp_url di bawah blok browser::

browser:
  inactivity_timeout: 120
  cdp_url: http://127.0.0.1:9222

Sisi Chrome: Argumen --load-extension

Kumpulan lengkap flag yang harus Anda berikan ke Chrome:

Sisi CapSolver: assets/config.js

Konfigurasi minimum di ~/.hermes/capsolver-extension/assets/config.js:

export const defaultConfig = {
  apiKey: 'CAP-XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX',
  useCapsolver: true,
  enabledForRecaptcha: true,
  enabledForRecaptchaV3: true,
  // ... lihat dokumentasi CapSolver untuk daftar lengkap opsi
};

Pemecahan Masalah

hermes doctor tidak menampilkan browser-cdp di bawah Ketersediaan Alat

Gejala: Setelah restart Hermes, alat browser-cdp hilang dari output hermes doctor.

Penyebab: Hermes hanya mendaftarkan browser-cdp ketika endpoint CDP dikonfigurasi — baik browser.cdp_url di config.yaml, variabel lingkungan BROWSER_CDP_URL, atau sesi /browser connect yang aktif. Pemeriksaan adalah keberadaan konfigurasi, bukan keterjangkauan (lihat tools/browser_cdp_tool.py:_browser_cdp_check). Penyebab paling umum alat browser-cdp yang hilang adalah typo atau penempatan salah kunci di config.yaml, bukan Chrome yang tidak terjangkau.

Perbaikan:

# 1. Pastikan kunci benar-benar di bawah "browser:" (bukan di level atas)
grep -A2 '^browser:' ~/.hermes/config.yaml
# output yang diharapkan:
#   browser:
#     ...
#     cdp_url: http://127.0.0.1:9222

# 2. Pastikan Chrome benar-benar berjalan di endpoint tersebut
curl -s http://127.0.0.1:9222/json/version

# 3. Jika Chrome mati, periksa log chrome-debug:
tail -n 30 /tmp/chrome-debug.log     # atau: journalctl --user -u chrome-debug -n 30

Ekstensi Tidak Dimuat (Masalah Chrome Bermerk)

Gejala: Chrome berjalan dengan baik tetapi CAPTCHA tidak pernah diselesaikan — setiap pengiriman gagal.

Penyebab: Anda menggunakan Chrome bermerk 137+, yang secara diam-diam mengabaikan --load-extension.

Perbaikan: Ganti dengan Chrome untuk Uji Coba atau Chromium. Verifikasi biner Anda:

/path/to/your/chrome --version
# Chrome untuk Uji Coba: "Chromium 143.0.7499.4"
# Chrome bermerk:    "Google Chrome 143.0.7499.109"  ← tidak akan berjalan

CAPTCHA Tidak Diselesaikan (Formulir Gagal)

Kemungkinan penyebab:

1. Waktu tunggu tidak cukup — tingkatkan ke 60 detik
2. Kunci API CapSolver tidak valid — periksa dashboard CapSolver Anda
3. Saldo tidak cukup — tambahkan dana ke akun CapSolver Anda
4. Jaringan latar belakang dinonaktifkan — pastikan tidak ada flag --disable-background-networking di argumen Chrome Anda (membunuh panggilan API ekstensi)
5. Chrome bermerk — lihat di atas

Timeout Browser pada Tindakan Pertama Setelah Restart

Gejala: Tindakan browser pertama setelah restart Hermes timeout, tetapi tindakan berikutnya berjalan dengan baik.

Penyebab: Handshake CDP cold-start terkadang melebihi timeout alat Hermes default. Tindakan berikutnya menggunakan WebSocket yang sudah panas dan cepat.

Perbaikan: Ulangi perintah sekali. Jika masih terjadi, tingkatkan browser.inactivity_timeout di config.yaml.

Chrome Crash Setelah Mengganti Binari

Gejala: Setelah beralih dari satu versi Chrome ke versi lain, Chrome crash dengan kesalahan cache disk.

Penyebab: Direktori user-data dibuat oleh versi Chrome yang berbeda dan sekarang tidak kompatibel.

Perbaikan:

# 1. Hentikan proses chrome-debug saat ini (bagaimana pun Anda mengawasinya)
pkill -f "remote-debugging-port=9222"

# 2. Hapus profil lama
rm -rf ~/.hermes/chrome-debug

# 3. Mulai ulang chrome-debug (melalui manajer proses Anda, atau jalankan skrip kembali)
nohup ~/.hermes/chrome-debug.sh > /tmp/chrome-debug.log 2>&1 &

Worker Layanan CapSolver Tidak Tampil di /json/list

Gejala: curl http://127.0.0.1:9222/json/list hanya mengembalikan entri page, tidak ada service_worker.

Penyebab: Worker layanan Chrome MV3 tidur aktif secara agresif, dan pada versi Chrome terbaru, endpoint /json/list mungkin tidak menampilkan mereka sama sekali — bahkan saat mereka sedang menangani peristiwa.

Perbaikan: Ini bukan indikasi masalah. Jangan mengandalkan /json/list untuk memastikan CapSolver dimuat. Alih-alih, arahkan agen ke halaman reCAPTCHA nyata (misalnya https://www.google.com/recaptcha/api2/demo) dan amati apakah pengiriman formulir berhasil. Pengiriman yang berhasil adalah bukti ekstensi dimuat dan menyelesaikan tantangan; entri yang hilang di daftar target bukanlah sinyal kegagalan.

Praktik Terbaik

1. Selalu Gunakan Waktu Tunggu yang Cukup

Lebih banyak waktu tunggu selalu lebih aman. CAPTCHA biasanya diselesaikan dalam 5–20 detik, tetapi latensi jaringan, tantangan kompleks, atau ulangan bisa menambah waktu. 30–60 detik adalah titik optimal.

2. Pertahankan Pesan yang Alami

Alih-alih:

"Navigasi ke URL, tunggu solver CAPTCHA, lalu kirim"

Gunakan:

"Pergi ke URL, tunggu sekitar satu menit, lalu kirim formulir"
Natural phrasing bekerja lebih baik dengan agen dan cenderung lebih ramah dengan model yang sudah disesuaikan keamanannya — penggunaan kata-kata yang bersifat adversarial di sekitar CAPTCHA telah teramati menyebabkan penolakan pada beberapa model kelas GLM.

3. Pantau Saldo CapSolver Anda

Setiap penyelesaian CAPTCHA memakan kredit. Periksa saldo Anda di capsolver.com/dashboard secara teratur untuk menghindari gangguan.

4. Gunakan Direktori User-Data Khusus

Jangan pernah mengarahkan --user-data-dir ke profil Chrome asli Anda. Gunakan ~/.hermes/chrome-debug (yang juga dituju oleh /browser connect bawaan Hermes secara default). Dengan cara ini, browser agen sepenuhnya terisolasi dari penjelajahan pribadi Anda.

5. Hubungkan CDP Hanya ke Loopback

--remote-debugging-address=127.0.0.1 adalah wajib dalam produksi. Protokol Pengembangan Chrome memberikan kontrol penuh terhadap browser kepada siapa pun yang bisa mengakses port. Jangan pernah memperlihatkan port 9222 ke jaringan publik.

6. Gunakan Xvfb di Server Tanpa Layar

Chrome extensions membutuhkan konteks tampilan, bahkan ketika Anda tidak ingin melihat browser. Di server Linux tanpa layar fisik, jalankan layar virtual:

# Instal Xvfb (Ubuntu/Debian)
sudo apt-get install xvfb

# Jalankan layar virtual
Xvfb :99 -screen 0 1920x1080x24 &

# Beri tahu Chrome untuk menggunakannya (launcher chrome-debug.sh di atas sudah mengatur DISPLAY=:99)
export DISPLAY=:99

Jika Anda menggunakan launcher chrome-debug.sh dari Langkah 3, baris export DISPLAY=:99 di bagian atas sudah menangani ini — pastikan Xvfb :99 berjalan di host.

7. Awasi Chrome dengan Manajer Proses di Produksi

Perintah chrome & yang tidak terstruktur akan mati ketika shell induknya keluar, saat Chrome crash, atau saat server direstart. Bungkus peluncuran dengan chrome-debug.sh (Langkah 3) dan awasi dengan manajer yang sudah Anda gunakan untuk bagian lain dari stack Anda — systemd, supervisord, runit, Docker, dll. Integrasi ini tidak bergantung pada manajer proses; pilih yang sudah berjalan di server.

8. Pasangkan dengan Model Murah

Karena model tidak pernah melihat CAPTCHA — ekstensi menyelesaikannya secara tidak terlihat — Anda tidak perlu model terdepan untuk pekerjaan yang banyak CAPTCHA. Model yang murah dan mampu alat sudah cukup (misalnya, setel provider: openrouter dan default: z-ai/glm-4.6 di config.yaml). Semua kecerdasan ada di ekstensi; model hanya perlu menjelajah, mengetik, dan mengklik.

9. Percayai Riwayat Kerja

Infrastruktur CapSolver yang sama yang memungkinkan integrasi Hermes sudah menangani tantangan reCAPTCHA v2/v3, Cloudflare Turnstile, dan AWS WAF di jalur otomasi produksi — ini bukan solusi sementara yang dikumpulkan untuk tutorial ini, tetapi lapisan penyelesaian yang sudah digunakan tim untuk scraping dan otomasi QA skala besar.

Kesimpulan

Integrasi Hermes + CapSolver mewakili pendekatan baru secara fundamental untuk menyelesaikan CAPTCHA dalam alur kerja agen. Daripada menulis kode untuk mendeteksi CAPTCHA, memanggil API, dan menyisipkan token, Anda hanya perlu:

1. Jalankan Chrome sekali dengan --load-extension=/abs/path/to/capsolver-extension dan --remote-debugging-port=9222
2. Tambahkan cdp_url ke blok browser: di ~/.hermes/config.yaml:
   yaml Copy

   browser:
     cdp_url: http://127.0.0.1:9222

   (perhatikan kunci yang bersarang — cdp_url tingkat atas akan diabaikan secara diam-diam)
3. Bicaralah dengan agen Anda secara alami — cukup tambahkan waktu tunggu sebelum pengiriman formulir
4. Baca hasil halaman normal setelah formulir dikirim

Ekstensi Chrome CapSolver menangani sisanya — mendeteksi CAPTCHA, menyelesaikannya melalui API CapSolver, dan menyisipkan token ke halaman. Agen Anda tidak pernah perlu tahu tentang CAPTCHA sama sekali.

Ini yang dimaksud dengan menyelesaikan CAPTCHA ketika Anda memiliki agen AI otonom: tidak terlihat, otomatis, dan tanpa kode.

Siap memulai? Daftar di CapSolver dan gunakan kode bonus herme untuk bonus pada recharge pertama Anda!

FAQ

Apakah saya perlu memberi tahu agen tentang CapSolver?

Tidak. Sebaliknya, Anda sebaiknya menghindari menyebutkan CAPTCHA atau CapSolver dalam pesan Anda. Ekstensi bekerja secara tidak terlihat di latar belakang. Cukup tambahkan waktu tunggu dalam instruksi Anda (misalnya, "tunggu 60 detik, lalu kirim") untuk memberi ekstensi waktu menyelesaikan CAPTCHA di halaman.

Mengapa saya tidak bisa menggunakan Google Chrome biasa?

Google Chrome 137+ (dirilis pertengahan 2025) menghapus dukungan untuk flag baris perintah --load-extension dalam build yang diberi merek. Ini berarti ekstensi Chrome tidak dapat dimuat dalam sesi otomatis. Anda membutuhkan Chrome for Testing atau Chromium terpisah, yang masih mendukung flag ini.

Apakah saya bisa menggunakan penyedia browser cloud Hermes (Browserbase, Browser Use) alih-alih?

Tidak — penyedia cloud menjalankan browser di infrastruktur orang lain, sehingga Anda tidak bisa memuat ekstensi arbitrer ke sesi. Pola CDP attach dalam panduan ini adalah satu-satunya cara menggabungkan Hermes dengan ekstensi Chrome. (Setelah browser.cdp_url diatur di config.yaml, Hermes mengarahkan lalu lintas browser melalui Chrome lokal dan penyedia cloud diam sampai Anda menghapus baris tersebut.)

Apakah saya bisa menggunakan browser lain selain Chrome for Testing?

Ya — setiap browser berbasis Chromium yang masih mendukung --load-extension berfungsi. Anda dapat menggunakan:

• Chrome for Testing (direkomendasikan — yang digunakan dalam panduan ini)
• Chromium (build terpisah)
• Chromium yang dibundel oleh Playwright (sudah ada di komputer Anda jika pernah menjalankan npx playwright install)
• Brave, Vivaldi, Opera — semua berbasis Chromium, semua menerima flag
• Chrome Google versi lama ≤ 136 — tetapi flag hilang di 137+, jadi jangan mengunci ke versi lama

Resep integrasi sama: arahkan --remote-debugging-port=9222 --load-extension=/path/to/capsolver-extension ke biner yang Anda sukai.

Yang tidak berfungsi:

• Chrome Google berbasis merek 137+ — secara diam-diam mengabaikan --load-extension
• Microsoft Edge — sama dengan penghapusan yang diterapkan
• Browser berbasis Firefox (Firefox, LibreWolf, Camoufox) — ekstensi CapSolver berformat MV3 Chrome, bukan WebExtensions Firefox
• Penyedia browser cloud Hermes (Browserbase, Browser Use, Firecrawl) — Anda tidak mengontrol biner jarak jauh, jadi tidak ada cara untuk memuat ekstensi kustom

Apa tentang Camoufox? Hermes mendukungnya.

Ya — Camoufox adalah salah satu dari lima penyedia browser bawaan Hermes, dan merupakan pilihan stealth-Firefox yang sangat baik untuk tugas yang tidak melibatkan ekstensi Chrome. Kekurangannya adalah Camoufox berbasis Firefox, dan ekstensi CapSolver dibangun dalam format MV3 Chrome — jadi keduanya tidak bisa berjalan bersama dalam satu sesi.

Berita baiknya: dengan Hermes Anda tidak perlu memilih secara permanen. Pengaturan browser.cdp_url di ~/.hermes/config.yaml adalah saklar tunggal — arahkan ke Chrome yang dilengkapi CapSolver saat Anda membutuhkan penyelesaian CAPTCHA, arahkan ke Camoufox saat Anda membutuhkan stealth Firefox. Setup biasanya menjalankan keduanya:

# Baris aktif: ubah profil dengan mengomentari/uncoment
browser:
  cdp_url: http://127.0.0.1:9222          # Chrome CapSolver (panduan ini)
  # cdp_url: http://127.0.0.1:9333        # endpoint Camoufox

Kemudian restart Hermes (hermes gateway run, atau aktifkan restart melalui manajer yang Anda gunakan di server) dan perubahan akan berlaku dalam beberapa detik. Hermes yang sama, saluran yang sama, keterampilan yang sama — browser berbeda untuk setiap beban kerja.

Apakah perintah /browser connect Hermes berfungsi dengan setup ini?

Ya. Perintah slash /browser connect bawaan Hermes (di TUI interaktif hermes) menargetkan direktori user-data default yang sama yang kami gunakan (~/.hermes/chrome-debug) dan port yang sama (9222). Setelah Anda mengatur sidecar chrome-debug, Anda dapat menggunakan /browser connect secara interaktif dari dalam Hermes, atau meninggalkan browser.cdp_url di config.yaml untuk koneksi permanen — keduanya bekerja terhadap Chrome yang sama.

Bagaimana dengan menggunakan Hermes melalui saluran pesan?

Integrasi sepenuhnya bebas saluran. Setelah browser.cdp_url diatur di config.yaml, setiap tindakan browser — baik dari hermes -z di CLI, TUI interaktif hermes, atau pesan dari Telegram, Discord, Slack, WhatsApp, Signal, atau email — akan melewati Chrome yang dilengkapi CapSolver. Ekstensi menyelesaikan CAPTCHA secara identik dalam semua kasus.

Apakah saya sebaiknya menggunakan halaman demo Google dalam pengujian otomatis?

Gunakan halaman demo sebagai uji coba cepat saja. Dalam FAQ resmi reCAPTCHA Google, mereka menyarankan membuat kunci situs khusus untuk pengujian otomatis alih-alih bergantung pada halaman demo publik dalam pipeline produksi.

Tipe CAPTCHA apa yang didukung oleh ekstensi CapSolver?

Ekstensi Chrome CapSolver menyelesaikan otomatis reCAPTCHA v2 (checkbox dan tidak terlihat), reCAPTCHA v3, Cloudflare, AWS WAF CAPTCHA, dan widget yang umum digunakan lainnya. Skrip konten mendeteksi jenis CAPTCHA di halaman dan menyelesaikannya sesuai — tidak ada konfigurasi per-tipe di sisi Anda. (Catatan: Cloudflare Turnstile dan Cloudflare 5-second Challenge tidak diselesaikan oleh ekstensi browser; mereka hanya tersedia melalui API CapSolver dan di luar cakupan panduan ini.)

Berapa biaya CapSolver?

CapSolver menawarkan harga kompetitif berdasarkan jenis CAPTCHA dan volume. Kunjungi capsolver.com untuk harga terkini.

Apakah Hermes Agent gratis?

Hermes Agent adalah open-source (github.com/NousResearch/hermes-agent) dan gratis untuk dijalankan di perangkat keras Anda sendiri. Anda akan membutuhkan kunci API untuk penyedia model AI pilihan Anda (OpenRouter direkomendasikan — Hermes mendukung lebih dari 200 model melalui itu) dan, untuk menyelesaikan CAPTCHA, akun CapSolver dengan kredit.

Berapa lama saya sebaiknya memberi tahu agen untuk menunggu?

Untuk kebanyakan CAPTCHA, 30–60 detik sudah cukup. Waktu penyelesaian sebenarnya biasanya 5–20 detik, tetapi menambahkan buffer tambahan memastikan keandalan. Jika ragu, gunakan 60 detik.

Apakah saya bisa menggunakan ini di server tanpa layar?

Ya. Anda akan membutuhkan Xvfb (X Virtual Framebuffer) untuk layar karena ekstensi Chrome membutuhkan konteks layar. Jalankan Xvfb :99 -screen 0 1920x1080x24 & di host dan pastikan DISPLAY=:99 diekspor di launcher chrome-debug.sh (launcher di Langkah 3 sudah melakukannya). Juga, pertahankan --no-sandbox dalam argumen Chrome karena sebagian besar kernel server tidak memberikan kemampuan yang dibutuhkan sandbox Chrome.

Apakah saya bisa menjalankan beberapa instance Hermes yang mengarah ke chrome-debug yang sama?

Secara teknis ya, tetapi Anda harus mengelola kontes tab/sesi sendiri. Untuk sebagian besar beban kerja, satu Hermes ↔ satu chrome-debug adalah setup yang paling bersih. Jika Anda membutuhkan paralelisme sejati, jalankan beberapa sidecar chrome-debug di port berbeda (9222, 9223, …) dan arahkan setiap Hermes ke yang masing-masing.

Apakah ini berfungsi dengan Hermes Skills?

Ya. Hermes Skills adalah memori prosedural — urutan langkah-langkah yang telah dipelajari agen. Keterampilan yang melibatkan situs web yang dilindungi CAPTCHA akan secara otomatis memanfaatkan integrasi CapSolver seperti halnya pesan ad-hoc, karena alat browser itu sendiri yang ditingkatkan. Tidak ada perubahan di sisi keterampilan yang diperlukan.