Skip to main content
Glama

NotebookLM MCP Server

讓您的 CLI 代理 (Claude, Cursor, Codex...) 直接與 NotebookLM 對話,根據您的筆記本獲得零幻覺的答案

TypeScript MCP npm Claude Code Skill GitHub

安裝快速開始為什麼選擇-notebooklm範例文件


注意:本專案 fork 自 PleasePrompto/notebooklm-mcp.git,此版本為修改版。


問題

當您告訴 Claude Code 或 Cursor「搜尋我的本地文件」時,會發生以下情況:

  • 大量 Token 消耗:搜尋文件意味著重複讀取多個檔案

  • 檢索不準確:關鍵字搜尋會錯過文件之間的上下文和關聯

  • 幻覺:當它找不到東西時,它會編造聽起來合理的 API

  • 昂貴且緩慢:每個問題都需要重新讀取多個檔案

解決方案

讓您的本地代理直接與 NotebookLM 對話 — Google 的 零幻覺知識庫,由 Gemini 2.5 提供支援,可從您的文件中提供智慧、綜合的答案。

您的任務 → 本地代理詢問 NotebookLM → Gemini 綜合答案 → 代理編寫正確的程式碼

真正的優勢:不再需要在 NotebookLM 和您的編輯器之間手動複製貼上。您的代理直接詢問 NotebookLM 並在 CLI 中直接獲得答案。它可以通過自動追問建立深刻的理解 — Claude 會按順序詢問多個問題,每個問題都建立在上一個問題的基礎上,獲取具體的實作細節、邊緣情況和最佳實踐。您可以將 NotebookLM 連結儲存到帶有標籤和描述的本地庫中,Claude 會根據您當前的任務自動選擇相關的筆記本。


為什麼選擇 NotebookLM 而不是本地 RAG?

方法

Token 成本

設定時間

幻覺

答案品質

將文件餵給 Claude

🔴 非常高 (多次讀取檔案)

即時

有 - 會填補空白

檢索變數

網路搜尋

🟡 中等

即時

高 - 來源不可靠

時好時壞

本地 RAG

🟡 中-高

數小時 (嵌入, 切塊)

中 - 檢索缺漏

取決於設定

NotebookLM MCP

🟢 極低

5 分鐘

- 未知則拒絕

專家級綜合

NotebookLM 有何過人之處?

  1. 由 Gemini 預處理:上傳文件一次,即可獲得即時的專家知識

  2. 自然語言問答:不僅僅是檢索 — 而是真正的理解和綜合

  3. 多來源關聯:連接 50 多個文件中的資訊

  4. 引用支援:每個答案都包含來源引用

  5. 無基礎設施:無需向量資料庫、嵌入或切塊策略


安裝

Claude Code

claude mcp add notebooklm npx notebooklm-mcp-zh@latest

Cursor

新增至 ~/.cursor/mcp.json:

{ "mcpServers": { "notebooklm": { "command": "npx", "args": ["-y", "notebooklm-mcp-zh@latest"] } } }

快速開始

1. 安裝 MCP 伺服器 (見上方 安裝)

2. 驗證 (一次性)

在您的聊天 (Claude/Cursor) 中說:

"Log me in to NotebookLM" (登入 NotebookLM)

Chrome 視窗將開啟 → 使用 Google 登入

3. 建立您的知識庫

前往 notebooklm.google.com → 建立筆記本 → 上傳您的文件:

  • 📄 PDF, Google Docs, markdown 檔案

  • 🔗 網站, GitHub 儲存庫

  • 🎥 YouTube 影片

  • 📚 每個筆記本支援多個來源

分享:⚙️ Share (分享) → Anyone with link (任何擁有連結的人) → Copy (複製)

4. 讓 Claude 使用它

"I'm building with [library]. Here's my NotebookLM: [link]" (我正在使用 [library] 進行開發。這是我的 NotebookLM:[連結])

就這樣。 Claude 現在會詢問 NotebookLM 它需要的任何資訊,在編寫程式碼之前建立專業知識。


真實案例

建立 n8n 工作流程而不產生幻覺

挑戰:n8n 的 API 很新 — Claude 經常對節點名稱和功能產生幻覺。

解決方案

  1. 下載完整的 n8n 文件 → 合併成易於管理的區塊

  2. 上傳到 NotebookLM

  3. 告訴 Claude:"幫我建立一個 Gmail 垃圾郵件過濾工作流程。使用這個 NotebookLM:[連結]"

結果:第一次嘗試就獲得完美的工作流程。無需除錯幻覺產生的 API。


核心功能

零幻覺

如果資訊不在您的文件中,NotebookLM 會拒絕回答。不會有發明的 API。

自主研究

Claude 會自動詢問後續問題,在編碼前建立完整的理解。

智慧庫管理

使用標籤和描述儲存 NotebookLM 連結。Claude 會為您的任務自動選擇正確的筆記本。

"Add [link] to library tagged 'frontend, react, components'"

跨工具共享

設定一次,隨處使用。Claude Code, Codex, Cursor — 均共享同一個庫。

深度清理工具

隨時重新開始。掃描整個系統的 NotebookLM 資料並提供分類預覽。


工具設定檔 (Tool Profiles)

透過僅載入您需要的工具來減少 Token 使用量。

設定檔

工具數量

用途

minimal

5

僅查詢:

ask_question

,

get_health

,

list_notebooks

,

select_notebook

,

get_notebook

standard

10

+ 庫管理:

setup_auth

,

list_sessions

,

add_notebook

,

update_notebook

,

search_notebooks

full

16

所有工具,包含

cleanup_data

,

re_auth

設定方式:

npx notebooklm-mcp-zh config set profile minimal

常見指令

意圖

指令 (範例)

結果

驗證

"Log me in to NotebookLM"

開啟 Chrome 登入

新增筆記本

"Add [link] to library"

儲存筆記本與中繼資料

列出筆記本

"Show our notebooks"

列出所有儲存的筆記本

先行研究

"Research this in NotebookLM before coding"

多問題會話

選擇筆記本

"Use the React notebook"

設定當前活動筆記本


免責聲明

此工具自動化與 NotebookLM 的瀏覽器互動。

關於瀏覽器自動化: 雖然我已經加入了擬人化功能(真實的打字速度、自然延遲、滑鼠移動)以使自動化行為更自然,但我不能保證 Google 不會檢測或標記自動化使用。建議使用專用的 Google 帳戶進行自動化,而不是您的主要帳戶。

關於 CLI 工具和 AI 代理: 請謹慎使用:

  • 在提交或部署之前務必審查變更

  • 先在安全環境中測試

  • 備份重要工作


貢獻

發現錯誤?有功能想法?歡迎在 GitHub 上提交 issue 或 PR!

授權

MIT — 可在您的專案中自由使用。

Latest Blog Posts

MCP directory API

We provide all the information about MCP servers via our MCP API.

curl -X GET 'https://glama.ai/api/mcp/v1/servers/inventra/notebooklm-mcp'

If you have feedback or need assistance with the MCP directory API, please join our Discord server