问题

当你让 Claude Code 或 Cursor "搜索我的本地文档"时，会发生以下情况：

• 大量 token 消耗：搜索文档意味着反复读取多个文件
• 检索不准确：仅基于关键词搜索，忽略上下文和文档间的关联
• 幻觉问题：找不到信息时会编造看似合理的 API
• 成本高且缓慢：每个问题都需要重新读取多个文件

解决方案

让你的本地代理直接与 NotebookLM（谷歌基于 Gemini 2.5 的零幻觉知识库）聊天，从你的文档中获取智能合成答案。

你的任务 → 本地代理询问 NotebookLM → Gemini 合成答案 → 代理编写正确代码

真正优势：无需在 NotebookLM 和编辑器之间手动复制粘贴。你的代理可直接向 NotebookLM 提问并从 CLI 获取答案。通过自动追问建立深度理解——Claude 会连续提出多个问题，逐步获取具体实现细节、边界情况和最佳实践。你可以将 NotebookLM 链接保存到本地库并添加标签描述，Claude 会根据当前任务自动选择相关笔记本。

为何选择 NotebookLM 而非本地 RAG？

NotebookLM 的优势

1. Gemini 预处理：文档只需上传一次，即可获得即时专家知识
2. 自然语言问答：不仅是检索，更是真正的理解和合成
3. 多源关联：可关联 50+ 文档中的信息
4. 引用支持：每个答案都包含来源引用
5. 无需基础设施：无需向量数据库、嵌入或分块策略

安装

Claude Code

claude mcp add notebooklm npx notebooklm-mcp@latest

Codex

codex mcp add notebooklm -- npx notebooklm-mcp@latest

gemini mcp add notebooklm npx notebooklm-mcp@latest

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

amp mcp add notebooklm -- npx notebooklm-mcp@latest

code --add-mcp '{"name":"notebooklm","command":"npx","args":["notebooklm-mcp@latest"]}'

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

替代方案：Claude Code 技能

偏好 Claude Code 技能而非 MCP？ 本服务器现也提供原生 Claude Code 技能版本，配置更简单：

NotebookLM Claude Code 技能 - 克隆到 ~/.claude/skills 即可使用

主要区别：

• MCP 服务器（本仓库）：持久会话，支持 Claude Code、Codex、Cursor 和其他 MCP 客户端
• Claude Code 技能：配置简单，基于 Python，无状态查询，仅支持本地 Claude Code

两者均使用相同的浏览器自动化技术，从你的 NotebookLM 笔记中提供零幻觉答案。

快速开始

1. 安装 MCP 服务器（见上方安装说明）

2. 认证（一次性操作）

在聊天窗口（Claude/Codex）中输入：

"登录 NotebookLM"

会打开 Chrome 窗口 → 使用谷歌账号登录

3. 创建知识库

访问 notebooklm.google.com → 创建笔记本 → 上传你的文档：

• 📄 PDF、Google 文档、markdown 文件
• 🔗 网站、GitHub 仓库
• 🎥 YouTube 视频
• 📚 每个笔记本可包含多个来源

分享：⚙️ 分享 → 任何有链接者 → 复制链接

4. 让 Claude 使用它

"我正在使用[库名]开发。这是我的 NotebookLM：[链接]"

完成。Claude 现在会向 NotebookLM 提问所需信息，在编写代码前建立专业知识。

真实示例

无幻觉构建 n8n 工作流

挑战：n8n 的 API 是新的 —— Claude 会编造节点名称和函数

解决方案：

1. 下载完整 n8n 文档 → 合并为可管理的块
2. 上传到 NotebookLM
3. 告诉 Claude："为我构建 Gmail 垃圾过滤工作流。使用这个 NotebookLM：[链接]"

观看 AI 对话：

Claude → "n8n 中 Gmail 集成如何工作？"
NotebookLM → "使用 Gmail Trigger 的轮询，或 Gmail 节点的 Get Many..."

Claude → "如何解码 base64 邮件正文？"
NotebookLM → "正文在 payload.parts 中为 base64url 编码，使用 Function 节点..."

Claude → "如何将 OpenAI 响应解析为 JSON？"
NotebookLM → "设置 responseFormat 为 json，在 IF 节点中使用 {{ $json.spam }}..."

Claude → "API 失败时如何处理错误？"
NotebookLM → "使用 Error Trigger 节点并启用 Continue On Fail..."

Claude → ✅ "这是你的完整工作流 JSON..."

结果：首次尝试即获得完美工作流。无需调试编造的 API。

核心功能

零幻觉

NotebookLM 若在你的文档中找不到信息，会拒绝回答。不会编造 API。

自主研究

Claude 会自动提出后续问题，在编码前构建完整理解。

智能库管理

保存带标签和描述的 NotebookLM 链接。Claude 会根据任务自动选择合适的笔记本。

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

深度迭代研究

• Claude 自动提出后续问题以构建完整理解
• 每个答案会触发更深入的问题，直到 Claude 掌握所有细节
• 示例：针对 n8n 工作流，Claude 会连续提问 Gmail 集成、错误处理和数据转换等问题

跨工具共享

一次配置，多处使用。Claude Code、Codex、Cursor 均共享同一库。

深度清理工具

随时重置系统。扫描整个系统中的 NotebookLM 数据并提供分类预览。

工具配置

通过仅加载所需工具减少 token 使用量。每个工具都会消耗上下文 token —— 工具越少，响应越快成本越低。

可用配置

通过 CLI 配置

# 查看当前设置
npx notebooklm-mcp config get

# 设置配置
npx notebooklm-mcp config set profile minimal
npx notebooklm-mcp config set profile standard
npx notebooklm-mcp config set profile full

# 禁用特定工具（逗号分隔）
npx notebooklm-mcp config set disabled-tools "cleanup_data,re_auth"

# 重置为默认值
npx notebooklm-mcp config reset

通过环境变量配置

# 设置配置
export NOTEBOOKLM_PROFILE=minimal

# 禁用特定工具
export NOTEBOOKLM_DISABLED_TOOLS="cleanup_data,re_auth,remove_notebook"

设置保存在 ~/.config/notebooklm-mcp/settings.json 中并跨会话保留。环境变量会覆盖文件设置。

架构

graph LR
    A[Your Task] --> B[Claude/Codex]
    B --> C[MCP Server]
    C --> D[Chrome Automation]
    D --> E[NotebookLM]
    E --> F[Gemini 2.5]
    F --> G[Your Docs]
    G --> F
    F --> E
    E --> D
    D --> C
    C --> B
    B --> H[Accurate Code]

常用命令

与替代方案对比

与本地下载文档对比

• 你: 下载文档 → Claude: "搜索这些文件"
• 问题: Claude 阅读数千文件 → 巨大 token 消耗，常遗漏关联
• NotebookLM: 由 Gemini 预索引，跨所有文档语义理解

与网络搜索对比

• 你: "在线研究 X"
• 问题: 过时信息、幻觉示例、不可靠来源
• NotebookLM: 仅使用你的可信文档，始终最新且带引用

与本地 RAG 设置对比

• 你: 设置嵌入、向量数据库、分块策略、检索流水线
• 问题: 数小时配置，调优检索，仍会在空白处"创造"
• NotebookLM: 上传文档 → 完成。Google 处理一切。

常见问题

真的完全不会幻觉吗？ 是的。NotebookLM 仅回答来自上传源的内容。如果不知道答案，会明确说明。

有速率限制吗？ 免费版每个 Google 账号有每日查询限制。支持快速切换账号以持续研究。

安全性如何？ Chrome 本地运行。你的凭证不会离开本机。如有顾虑，可使用专用 Google 账号。

能查看操作过程吗？ 当然！说 "显示浏览器" 即可观看实时 NotebookLM 对话。

相比 Claude 内置知识有何优势？ 你的文档始终最新。无训练截止日期。无幻觉。特别适合新库、内部 API 或快速迭代项目。

高级用法

• 📖 使用指南 — 模式、工作流、技巧
• 🛠️ 工具参考 — 完整 MCP API
• 🔧 配置 — 环境变量
• 🐛 故障排除 — 常见问题

核心价值

没有 NotebookLM MCP: 写代码 → 发现错误 → 调试幻觉 API → 重复

使用 NotebookLM MCP: Claude 先研究 → 编写正确代码 → 更快交付

停止调试幻觉，开始交付准确代码。

# 30 秒内开始使用
claude mcp add notebooklm npx notebooklm-mcp@latest

免责声明

本工具通过自动化浏览器与NotebookLM的交互，提升您的工作效率。但请注意以下事项：

关于浏览器自动化：
虽然我已集成人性化功能（humanization features）（如真实打字速度、自然延迟、鼠标移动），使自动化行为更接近真人操作，但无法保证Google不会检测或标记自动化使用。建议使用专用Google账号进行自动化操作而非主账号——可类比网络爬虫：虽无明确风险，但安全第一！

关于命令行工具与AI代理：
Claude Code、Codex等AI驱动的命令行工具（CLI tools）功能强大，但可能产生错误。请谨慎使用并保持警觉：

• 提交或部署前务必审查变更内容
• 优先在安全环境中测试
• 定期备份重要工作
• 牢记：AI代理是助手，而非绝对可靠的预言家

我开发此工具源于对NotebookLM与编辑器间重复复制粘贴操作的厌倦。分享此工具是希望帮助他人，但对可能出现的问题、数据丢失或账号异常不承担任何责任。请自行判断风险使用。

若您遇到问题或有疑问，请随时在GitHub提交问题。我乐意协助排查！

贡献指南

发现缺陷？有功能建议？提交问题或发送PR！

许可协议

MIT协议——可在您的项目中自由使用。

NotebookLM MCP 快速上手指南

环境准备

• 系统要求：支持Node.js的环境（Windows/macOS/Linux）
• 前置依赖：
  • Node.js 14+（含npm）
  • Google Chrome 浏览器
  • 网络访问权限（用于NotebookLM认证和文档上传）

安装步骤

1. 安装 MCP 服务

npm install -g notebooklm-mcp
# 或使用国内镜像加速（可选）
npm install -g cnpm --registry=https://registry.npmmirror.com
cnpm install -g notebooklm-mcp

2. 配置不同客户端

Claude Code

claude mcp add notebooklm npx notebooklm-mcp@latest

Codex

codex mcp add notebooklm -- npx notebooklm-mcp@latest

Cursor
编辑 ~/.cursor/mcp.json 添加：

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

VS Code

code --add-mcp '{"name":"notebooklm","command":"npx","args":["notebooklm-mcp@latest"]}'

基本使用

1. 启动服务

npx notebooklm-mcp

2. 认证登录

在 Claude/Codex 等客户端输入：

"Log me in to NotebookLM"

系统将自动弹出 Chrome 窗口，使用 Google 账号登录 NotebookLM。

3. 创建知识库

1. 访问 NotebookLM
2. 创建新笔记本并上传文档：
   • PDF/Markdown/Google Docs
   • GitHub 仓库链接
   • 网站/YouTube 视频链接
3. 获取共享链接

4. 调用知识库

在客户端输入示例：

"I'm building with React. Here's my NotebookLM: [你的笔记链接]"

AI 将自动通过 NotebookLM 获取精准答案并生成代码。