NotebookLM MCP Server：让 AI Agent 读懂你的知识库

你有没有过这种经历：写了一堆笔记、PDF、文章，想让 AI 帮你分析总结，但粘贴进去太麻烦、直接问又容易瞎编？Google NotebookLM 就是来解决这个问题的——它允许你上传一组资料（文档、网页、PDF），然后让 Gemini 2.5 基于这些资料回答问题，并且会标注每个答案来自哪段原文，杜绝幻觉。

问题是：NotebookLM 本身是一个网页应用，AI Agent（如 Claude Code、OpenAI Codex）没有办法直接调用它。这正是 NotebookLM MCP Server 解决的问题——它把 NotebookLM 的核心能力封装成了 MCP（Model Context Protocol） 服务器，让任何支持 MCP 的 AI 工具都能像调用本地工具一样，无缝操作你的 NotebookLM 工作区：提问、添加资料、生成播客摘要、管理会话。

背景：NotebookLM 为何是研究神器

NotebookLM 由 Google Labs 开发，核心引擎是 Gemini 2.5。与普通大模型聊天不同，NotebookLM 要求用户先「喂」资料——可以是网页链接、PDF、文本片段，甚至 YouTube 视频。它会把这些资料全部理解后，再回答用户提问。更关键的是，它的回答会直接引用原文，标注 [1] [2] 等来源，让你一眼看出答案的出处。

这对于需要深度研究的技术团队来说非常实用：上传一个技术标准文档，问「这个协议支持哪些加密算法」；上传一组论文，问「这几篇论文在注意力机制上有什么分歧」；上传自己的项目文档，问「这个模块的设计决策是什么」。回答精准、可溯源，比直接让大模型「凭记忆回答」靠谱得多。

核心功能：MCP 工具有哪些

NotebookLM MCP Server 提供五类工具，覆盖了完整的 NotebookLM 工作流：

问答工具（ask_question）：这是最核心的工具。向指定的笔记本提问，Gemini 2.5 会基于上传的资料给出带引用的答案。支持多种引用格式：inline（内联）、footnotes（脚注）、json（结构化），还支持 DOM 级引用提取，可精确到页面元素级别。

资料管理工具：包括 add_source（添加资料，支持 URL 爬取或粘贴文本）、delete_source（删除资料）、list_sources（列出当前笔记本所有资料）。v2 版本新增了对 URL 来源和纯文本的直接支持。

笔记本管理工具：add_notebook（通过分享链接注册笔记本）、delete_notebook（从本地库中移除）、list_notebooks（查看已注册的笔记本及基本信息）、get_notebook_url（获取指定笔记本的直接链接）。

会话管理工具：NotebookLM 支持多轮上下文对话。MCP 服务器提供 list_sessions（查看会话列表）、delete_session（清理会话）、get_session_info（查看会话统计信息）。支持在多个笔记本之间共享会话。

音频摘要工具（generate_audio）：NotebookLM 最具特色的功能之一——「Audio Overview」，用两个 AI 虚拟主播以播客对话风格总结资料内容。v2 版本支持自定义提示词（custom_prompt）来引导播客的讨论方向。

技术架构：如何驱动一个真实浏览器

这个项目最令人印象深刻的技术决策，是它选择用 Patchright（Puppeteer 的隐私导向 fork）来驱动一个真实的 Chrome 浏览器，而不是调用 NotebookLM 的私有 API。

这样做的好处是：只要 Google 不改变 NotebookLM 前端界面，功能就不会失效。但代价也很明显——这是一个浏览器自动化方案，不是 API 调用：

• 首次使用需要图形界面完成 Google 登录授权（Cookie 持久化后可在无头模式运行）
• 对网络环境有要求，需要能访问 Google 服务
• 依赖 Chrome/Chromium 运行时，不适合纯服务端容器化部署

代码架构采用模块化设计：src/auth/ 负责认证和账号切换、src/browser/ 处理浏览器驱动和反检测逻辑、src/session/ 管理会话状态、src/library/ 管理笔记本库元数据、src/tools/ 定义 MCP 工具句柄、src/transport/ 支持 stdio 和 Streamable-HTTP 两种 MCP 传输协议。

依赖栈非常精简：TypeScript + @modelcontextprotocol/sdk + patchright + zod（参数校验），没有重型框架。ESLint + Prettier + TypeScript strict mode 确保代码质量。

上手体验：安装与配置

安装极为简单，一行命令搞定：

npx notebooklm-mcp@latest

然后连接到 Claude Code：

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

首次运行会弹出浏览器窗口引导 Google 登录（Linux 无头服务器上用 xvfb-run -a npx notebooklm-mcp）。登录后 Cookie 持久化，后续所有调用均可无头运行。

MCP 工具参数通过 JSON Schema 定义，Claude Code 等客户端会自动解析并生成自然语言调用建议，用户无需记忆复杂的 API 签名。

局限与风险

1. 依赖 Google 前端界面：NotebookLM 前端改版可能导致选择器失效，项目需要持续跟进维护。
2. 不支持文件上传和 YouTube：v2 文档明确指出，add_source 仅支持 URL 和纯文本，不支持 PDF/Word 文件和 YouTube 链接，需要用户自行用 URL 方式提供。
3. 无 API 保障：这是浏览器自动化而非官方 API，Google 可能随时封禁自动化行为（虽然 Patchright 有反检测措施）。
4. 跨平台浏览器依赖：Linux 服务器上若不使用 WSL2，需要额外配置 X11 显示或 xvfb 虚拟帧缓冲。

行业意义

NotebookLM MCP Server 代表了 AI 工具链的一种新兴整合模式——不是等待官方提供 API，而是用 MCP 协议将任何有 UI 的 AI 产品「工具化」。随着 MCP 生态的壮大，预计会有更多类似项目出现，将 Notion、Obsidian、Linear 等工具接入 AI Agent 工作流。这种「UI 自动化封装」模式虽然不够优雅，但在官方 API 缺席的情况下是目前最可靠的集成方案。