notebooklm-mcp Skill：让 Claude 直连 NotebookLM 进行引用溯源问答

Skill超级捕获手 技术创作者 2026-09-04 13 阅读

让 Claude 直连 NotebookLM：MCP + REST API 双通道自动化攻略

总结

roomi-fields/notebooklm-mcp 是一个将 Google NotebookLM（现品牌升级为 Gemini Notebook）以编程方式暴露给 AI 编码 Agent 的工具链，同时提供 MCP 接口（Claude Code / Cursor / Codex 直连）和 33 端点 REST API（n8n / Zapier / Make / curl 无代码自动化）。核心价值：把 NotebookLM 基于真实文档的引用溯源问答能力嵌入任何 Agent 工作流，同时支持大规模批量研究任务——单次运行 1000+ 问题无需人工介入。截至 2026-09-03，GitHub 获 173 颗星，位列 trending-claude-skills 榜单第 4 名。

功能与原则

该工具通过两层机制驱动 NotebookLM：底层 batchexecute RPC API（比爬虫快 10–100 倍，不受 UI 品牌重命名影响）+ Playwright 浏览器自动化兜底（NotebookLM 官方改版时自动切换）。工具内置每日配额感知和答案缓存（vault_batch 将结果写入磁盘 JSON，供离线复用），让 Agent 的 token 消耗降到最低——文档读取和推理在 NotebookLM 服务端完成，Agent 只负责编排和最终输出。

认可度

  • GitHub Star：173 颗（截至 2026-09-03， trending-claude-skills 实时榜单第 4 位）
  • 活跃版本：6 个，最新 3.2.0（2026-08-19）
  • MCP 官方注册榜、ClaudeWave（Trust Score 87/100）、MCP Toplist、MCPGee 等多个平台收录
  • GitHub Actions CI 持续集成，Codecov 覆盖率报告

链接

GitHub：https://github.com/roomi-fields/notebooklm-mcp

原作者

roomi-fields（GitHub Organization），维护 4 个 MCP Server，项目持续活跃更新，定位是”让 NotebookLM 从网页应用变成可编程的基础设施”。

介绍

NotebookLM 原本是 Google 的网页端产品：上传文档或 URL，Gemini 模型从中提取信息并以引用溯源方式回答问题，还能生成音频概览、视频、信息图表等输出。roomi-fields/notebooklm-mcp 将这套能力完整抽离出来，通过 MCP 协议直接嵌入 Claude Code、Cursor、Codex 等主流编码 Agent，同时提供纯 HTTP REST API，无需任何 Agent 运行时即可在 n8n、Zapier、Make 等无代码平台上调用。

该工具的核心设计洞察是”让昂贵的长文档阅读在 NotebookLM 端完成，Agent 只消费最终答案”。以 30 份 PDF 的文献调研为例：传统方案需要把文档内容全部塞入 Agent 上下文，token 消耗巨大；使用 notebooklm-mcp 只需要三条工具调用（add_notebook → source_add → notebook_ask），NotebookLM 服务端完成全部阅读推理，返回带出处的答案。

v3.0 之后的版本实现了完整的 Studio 生成能力——音频概览（Audio Overview）、视频、信息图表、报告、PPT、数据表格、闪卡和测验，均可程序化触发并下载文件。

特点

  • MCP + REST 双协议：Claude Code / Cursor / Codex 用 MCP 直连，n8n / Zapier / Make / curl 用 REST API，场景覆盖完整
  • 33 个 REST 端点：覆盖笔记本管理、来源添加、引用问答、Studio 内容生成、批量操作、答案缓存
  • 零 token 阅读层：文档阅读和推理在 NotebookLM 服务端完成，Agent 上下文零额外消耗
  • 答案离线缓存：vault_batch 将每次查询结果写入本地 JSON，Agent 可离线复用，无需重复付费
  • 多账号自动轮换：支持个人账号和 Google Workspace 账号自动 re-auth，大规模运行不触发单账号配额限制
  • 双传输兜底：batchexecute RPC 为主（速度快），Playwright 浏览器为辅（NotebookLM 改版时自动降级）
  • 全量内容可删除：v3.2.0 新增 content_delete 端点，生成的内容可程序化清理

使用方法

方式一：Skills CLI（MCP Server）

npx skills add roomi-fields/notebooklm-mcp

方式二：直接安装 MCP Server

npx -y @roomi-fields/notebooklm-mcp

然后在 Claude Code 中配置 MCP 即可连接。

方式三：REST API（n8n / Zapier / Make）

调用任意一个端点即可，无需安装任何 Agent 运行时：

curl -X POST https://api.notebooklm.example/notebook_ask 
  -H "Authorization: Bearer $NOTEBOOKLM_API_KEY" 
  -d '{"notebook_id":"xxx","question":"这篇论文的主要贡献是什么？"}'

在 Claude Code 中使用 bundled skill（随 MCP Server 一起安装），Agent 会自动获知引用格式、每日配额感知模式和传输层选择逻辑。

使用场景与人群

  • 学术研究人员：批量上传 PDF 进行文献调研，所有回答带原文出处；生成音频概览通勤收听
  • AI 开发者：为编码 Agent 接入带引用溯源的文档问答能力，用于代码库文档、需求文档的自动化理解
  • 内容创作者：批量分析多篇资料，自动生成引用-backed 的报告或视频脚本
  • 市场 / 竞品分析团队：导入大量公开文档，用自然语言提问，由 Gemini 进行跨文档综合分析
  • 技术写作者：将技术文档库接入工作流，自动提取关键信息和统计数据

输入与输出案例

案例 1：文献问答

  • 输入：向已上传了 10 篇 PDF 的笔记本发送问题”这篇研究的方法论有什么局限性？”
  • 输出：
    json
    {
    "answer": "该研究采用案例研究法，样本量仅 12 人，..."，
    "citations": [
    {"source": "paper.pdf", "excerpt": "The case study methodology..."}
    ]
    }

案例 2：批量研究流水线

  • 输入：通过 REST API 批量提交 200 个问题（不同笔记本、不同问题）
  • 输出：每个问题返回 JSON 格式答案 + 来源摘录；vault_batch 将全部结果写入本地 results/ 目录，Agent 后续可离线检索任意一条结果

这不是 Google 官方产品。底层使用 NotebookLM 未公开的 batchexecute 接口，Google 有权在不做通知的情况下更改接口——作者会跟随官方变动持续更新，这也是该项目持续活跃维护的主要原因之一。建议使用独立 Google 账号进行自动化操作，以避免影响个人 NotebookLM 使用配额。

GitHub: https://github.com/roomi-fields/notebooklm-mcp

评论区

0 条评论

登录后可评论。

Skill超级捕获手 13 阅读