广告工具几乎全都是仪表盘，这也让它几乎无法自动化。你无法用 cron 定时运行一个仪表盘，无法把仪表盘的内容通过管道交给 jq，也无法让终端智能体去点击它。Hermoso 命令行工具的存在，就是为了让广告工作不再是你要去访问的地方，而是可以写进脚本的东西。
安装并登录：
npm install -g hermoso
hermoso auth loginauth login 会启动一个回环监听器并打开浏览器，和 gh、firebase 使用的方式相同，因此无需粘贴任何内容。生成的密钥会写入 ~/.hermoso/config.json，权限仅限所有者（目录 0700，文件 0600），因为它带有真实的花费权限。在 CI 中，hermoso auth login --token <key> 可以非交互地保存密钥，而 HERMOSO_TOKEN 和 HERMOSO_API_BASE 可以从环境变量中覆盖配置文件。
命令
每个命令都支持 --json，这才是重点：人类可读的一行只是方便查看，JSON 才是约定的契约。
| 命令 | 作用 |
|---|---|
hermoso capabilities | 有效的模型 ID 及其精确积分成本。先运行这一条。它免费且只读，是你不再需要猜测模型名称的方式。 |
hermoso credits | 余额、本次会话用量和最近的计费调用。 |
hermoso brand --domain example.com | 读取一个网站，生成品牌档案（产品、配色、logo、语气），之后的渲染都以它为依据。 |
hermoso competitors --domain example.com | 发现值得学习的直接竞争对手和相似品牌。 |
hermoso ads --company "Brand" | 从 Meta、Google 和 LinkedIn 广告库中拉取该广告主真实正在投放的广告，去重并排序。 |
hermoso research "longest-running protein bar ads" | 用自然语言在各广告库中调研广告，并加上有机的 TikTok 内容，返回它找到的广告。 |
hermoso create --brand … --product … --format video | 把一份简报变成一个完整的广告构思：文案变体，加上图片构思或视频分镜，并附上用来渲染的模型 ID。 |
hermoso generate image --prompt "…" --ref ./bottle.png | 渲染并返回一个服务端链接。--ref 会把你的真实产品合成进去，因此画面上的标签就是你实际的 SKU。 |
hermoso jobs / hermoso fetch <url> | 查看仍在进行中的渲染；把任何资源解析为可点击的链接和直接下载链接。 |
hermoso mcp | 通过 stdio 提供完整的 922+ 工具 MCP 接口，与托管服务器提供的工具相同。 |
两种接口，一个包，以及它为什么重要
终端智能体对工具要付两次费：一次是它们在上下文里携带的工具清单，另一次是每次调用消耗的 token。922+ 个工具的清单并不便宜。因此，同一个包同时提供两种接口，由智能体自己选择：
- MCP（
hermoso mcp，或托管的https://app.hermoso.ai/mcp），适合你需要完整接口和丰富的强类型参数时使用。 - 子进程命令，适合你想走省 token 路线的时候：智能体直接调用命令，读取 JSON，完全不加载任何工具清单。随附的 Claude 技能用的就是这种模式。
两者调用的是同一个 API，扣的是同样的积分，写入的也是同一个作品库，因此两边都不会有东西被孤立。
值得写进脚本的事
- 每周一次的竞品扫描。 把
hermoso competitors的结果交给hermoso ads，与上周对比，你就有了一份持续更新的报告，告诉你整个市场开始投放和停止投放了哪些广告。 - 为整个商品目录批量制作创意。 遍历每个 SKU，为每个产品渲染一条基于真实产品的广告，并收集返回的 URL。这类工作在界面里做起来非常繁琐。
- CI 中的积分保护。 运行
hermoso credits --json | jq .balance，在余额为零时、长时间批量任务开始之前让流水线失败。 - 考虑成本的模型选择。
hermoso capabilities --json会给出每个模型的精确成本，因此脚本可以挑选既满足简报、又最便宜的模型，而不是写死某一个。
发布和广告系列
命令行子命令涵盖调研和创作。在 Meta、Google Ads、Microsoft Advertising、Reddit Ads、LinkedIn、Pinterest、X Ads、TikTok Ads、Snapchat Ads、ChatGPT Ads、Apple Search Ads 和 AppLovin Ads 上的发布、排期和广告系列管理，都位于 MCP 接口中，可以通过同一个包运行 hermoso mcp 访问，也可以通过托管端点或 网页工作室访问。发布的目标包括 Facebook、Instagram、Threads、TikTok、YouTube、X、LinkedIn、Pinterest、Bluesky、Telegram 和 Google 商家资料。
哪些事没有你的确认，它不会做
智能体手里有预算，只有在影响范围有界的前提下才有用，因此花钱的权限是在服务器里设定的，而不是靠提示词。Meta 的广告系列、广告组和广告，都以 PAUSED（暂停）状态创建，且没有调用方可以覆盖的选项。能够启动真实广告花费的状态开关（每个广告平台都有一个，包括 set_meta_campaign_status、set_google_ads_status、set_microsoft_ads_status、set_reddit_ads_status、set_linkedin_ads_status、set_pinterest_ads_status、set_x_ads_status 和 set_openai_ads_status 等）如果没有明确的确认标记，都会拒绝运行。同一道关口还覆盖在已启用的父级下创建一个已启用的 Google Ads 广告组、广告或关键词，因为它会在下一次竞价时投放。删除操作同样需要确认。在生成方面，hermoso_capabilities 会在任何运行之前公布每个模型的精确积分成本，并且每次渲染都先预留估算额度，再结算真实成本，因此派发失败会退款，而不是悄悄扣费。
在智能体里工作而不是在 shell 里？请看 Claude Code 营销自动化，以及完整的 MCP 和 CLI 参考。
常见问题
有没有用于投放广告的命令行工具？
有。npm install -g hermoso 会安装 Hermoso 命令行工具，它可以在 Meta、Google 和 LinkedIn 广告库中调研竞品广告，从网站起草品牌档案，规划并渲染成品图片和视频广告，并查询积分和作业，每个命令都支持 --json 输出，方便脚本调用。同一个包还能通过 stdio 提供完整的 922+ 工具 MCP 服务器。
怎样给 Hermoso 命令行工具做身份验证？
运行 hermoso auth login。它会打开一个回环浏览器登录页（与 gh 和 firebase 使用的方式相同），并把生成的密钥以仅所有者可读写的权限（目录 0700，文件 0600）保存到 ~/.hermoso/config.json。在 CI 中，hermoso auth login --token <key> 可以非交互地保存一个密钥，HERMOSO_TOKEN 和 HERMOSO_API_BASE 则可以从环境变量中覆盖配置。
能把输出通过管道交给 jq 吗？
可以。每个命令都接受 --json，并输出结构化对象。这就是设计好的契约；人类可读的那一行只是方便查看。在一批长时间渲染开始之前，hermoso credits --json | jq .balance 是一个很实用的 CI 检查。
为什么要用命令行工具，而不是 MCP 服务器？
为了省 token。MCP 客户端会把工具清单加载进上下文，而 922+ 个工具并不便宜。一个终端智能体如果调用子进程命令并读取 JSON，就完全不携带任何清单。两种接口调用的是同一个 API，扣的是同样的积分，写入的也是同一个作品库，所以你可以混用。
命令行工具能发布到 Facebook 或管理 Meta 广告吗？
在 Meta、Google Ads、Microsoft Advertising、Reddit Ads、LinkedIn、Pinterest、X Ads、TikTok Ads、Snapchat Ads、ChatGPT Ads、Apple Search Ads 和 AppLovin Ads 上的发布、排期和广告系列管理，都位于 MCP 接口而不是命令行子命令中，可以通过同一个包运行 hermoso mcp 访问，也可以通过托管端点 https://app.hermoso.ai/mcp 或网页工作室访问。发布的目标包括 Facebook、Instagram、Threads、TikTok、YouTube、X、LinkedIn、Pinterest、Bluesky、Telegram 和 Google 商家资料。
它能连接本地服务器吗？
能。把 HERMOSO_API_BASE 设置为你自己的源地址（例如 http://localhost:3000），命令行工具和 MCP 服务器都会指向它。指向本地地址时不需要身份验证令牌。
相关内容
渲染以服务端作业的形式运行，由你轮询结果；即使第一次尝试的结果不明，重试一次发布也是安全的。详情请看作业与幂等性。
如果你想在 Claude Code 里设置，请看 Claude Code 营销。