AI导哈

NotebookLM MCP 服务器

NotebookLM MCP 服务器是一个安全的模型上下文协议服务器，用于与 Google NotebookLM 交互，支持管理笔记本、查询资源、创建音频/视频/报告、进行研究和生成多种内容。

  • by ers123
  • TypeScript
  • 本地部署
  • 2 星标
  • 更新于
在 GitHub 查看 ers123/notebooklm-mcp

使用说明

笔记本mcp

用于Google NotebookLM的安全MCP（模型上下文协议）服务器。使AI助手能够与NotebookLM笔记本进行交互——管理笔记本、查询源、创建音频/视频/报告、运行研究等。

第2版 使用直接的HTTP API调用（运行时没有浏览器自动化），使其比v1快得多，同时保持所有的安全强化。

安全

现有MCP中的问题 我们的解决方案
明文cookie存储 AES-256-GCM加密，密钥在macOS钥匙链中
没有文件权限 0o700 dirs， 0o600 文件，读取时验证
--no-sandbox Chrome 沙盒已启用； --no-sandbox 在阻止列表中
远程调试端口已暴露 --remote-debugging-port 在阻止列表中
存储的谷歌密码 仅手动登录-无凭据存储
无URL验证 所有URL均已验证 notebooklm.google.com
通过DOM进行提示注入 响应清理程序删除零宽度字符，标记注入模式
存储的所有Cookie 仅限 .google.com + notebooklm.google.com 坚持
exec() 对于shell命令 execFile() 防止外壳注射

工具（35）

身份验证（3）

工具 说明
setup_auth 交互式登录（头戴式浏览器，一次性设置）
check_auth 验证身份验证状态
clear_auth 清除所有存储的身份验证数据

笔记本管理（7）

工具 说明
notebook_list 列出您帐户中的所有笔记本
notebook_create 创建新笔记本
notebook_get 获取笔记本详细信息，包括来源
notebook_describe 获取人工智能生成的摘要和建议主题
notebook_rename 重命名笔记本
notebook_delete 删除笔记本（需要confirm=true）
chat_configure 配置AI聊天设置（目标、响应长度、自定义提示）

资源管理（8）

工具 说明
source_add_url 添加URL或YouTube链接作为源
source_add_text 添加文本内容作为源
source_add_drive 添加Google Drive文档作为源
source_describe 获取AI生成的源代码摘要
source_get_content 获取源的原始文本内容
source_list_drive 列出具有同步状态的驱动器源
source_sync_drive 将驱动器源同步到最新版本
source_delete 删除源（需要confirm=true）

人工智能查询（1）

工具 说明
notebook_query 询问有关笔记本来源的问题（支持后续跟进）

研究（3）

工具 说明
research_start 开始网络研究（快速或深度模式）
research_status 检查研究任务进度
research_import 将研究成果作为笔记本来源导入

工作室内容（10）

工具 说明
audio_create 生成音频播客（格式、长度、语言、焦点）
video_create 生成视频概述（视觉风格、语言、焦点）
report_create 生成报告（简报文件、学习指南、常见问题解答、时间表、博客）
flashcards_create 生成抽认卡（难度）
quiz_create 生成测验（问题数、难度）
infographic_create 生成信息图（方向、细节级别）
slide_deck_create 生成幻灯片（格式、长度）
data_table_create 生成数据表
studio_status 检查任何工作室工件的生成状态
studio_delete 删除工作室工件（需要confirm=true）

思维导图（3）

工具 说明
mind_map_create 从源生成思维导图（同步，立即返回）
mind_map_list 在笔记本中列出所有思维导图
mind_map_delete 删除思维导图（需要confirm=true）

需求

  • Node.js 18+
  • macOS（使用Keychain进行密钥存储）
  • 具有NotebookLM访问权限的Google帐户

安装

git clone https://github.com/ers123/notebooklm-mcp.git
cd notebooklm-mcp
npm install
npm run build
npx patchright install chromium   # needed for one-time setup_auth only

配置

克劳德代码

增添 ~/.claude/mcp_config.json:

{
  "mcpServers": {
    "notebooklm": {
      "command": "node",
      "args": ["/path/to/notebooklm-mcp/dist/index.js"]
    }
  }
}

克劳德桌面版

增添 ~/Library/Application Support/Claude/claude_desktop_config.json:

{
  "mcpServers": {
    "notebooklm": {
      "command": "node",
      "args": ["/path/to/notebooklm-mcp/dist/index.js"]
    }
  }
}

任何MCP客户端（stdio）

node /path/to/notebooklm-mcp/dist/index.js

用法

首次设置

  1. 将MCP服务器连接到您的AI助手
  2. 跑 setup_auth --浏览器窗口打开
  3. 手动登录您的Google帐户
  4. 成功登录后浏览器自动关闭
  5. Cookie已加密并安全存储
  6. 所有后续API调用都直接使用HTTP（不需要浏览器）

示例工作流

# List your notebooks
Use notebook_list

# Create a notebook and add sources
Use notebook_create with title "AI Research"
Use source_add_url with notebookId "..." and url "https://example.com/paper.pdf"
Use source_add_text with notebookId "..." and title "Notes" and content "..."

# Query your notebook
Use notebook_query with notebookId "..." and question "What are the key findings?"
Use notebook_query with notebookId "..." and question "Tell me more" and followUp true

# Generate content
Use audio_create with notebookId "..." and format "conversation" and length "medium"
Use report_create with notebookId "..." and reportFormat "briefing_doc"
Use studio_status with notebookId "..." and artifactId "..." to check progress

# Run web research
Use research_start with notebookId "..." and query "latest AI developments" and mode "deep"
Use research_status with notebookId "..." and taskId "..." to check progress
Use research_import with notebookId "..." and taskId "..." to add results as source

建筑

src/
├── index.ts                    # Entry point + stdio transport
├── server.ts                   # 35 MCP tools registered
├── config.ts                   # Constants, API endpoints, timeouts
├── types.ts                    # Shared interfaces
├── errors.ts                   # Error class hierarchy
├── api/                        # HTTP API layer (v2 core)
│   ├── rpc-client.ts           # batchexecute RPC client
│   ├── query-client.ts         # Streaming query client
│   ├── response-parser.ts      # Anti-XSSI removal + chunk parsing
│   └── constants.ts            # RPC IDs + code mappings
├── security/                   # Keychain, AES-256-GCM, file perms, URL validation, sanitizer
├── auth/                       # Manual login flow, encrypted cookie store
├── browser/                    # Patchright launcher (setup_auth only)
└── tools/                      # 35 MCP tool handlers
    ├── notebook/               # list, create, get, describe, rename, delete, chat-configure
    ├── source/                 # add-url, add-text, add-drive, describe, get-content, list-drive, sync-drive, delete
    ├── query/                  # notebook-query (AI Q&A with follow-ups)
    ├── research/               # start, status, import
    ├── studio/                 # audio, video, report, flashcards, quiz, infographic, slide-deck, data-table, mind-map, status, delete
    └── auth-tools/             # setup, check, clear auth

发展

npm run dev          # Run with tsx (hot reload)
npm run build        # Compile TypeScript
npm test             # Run unit tests
npm run test:watch   # Run tests in watch mode

依赖项

只有2个运行时依赖关系：

  • @modelcontextprotocol/sdk --MCP服务器框架
  • zod --输入验证

可选：

  • patchright --浏览器自动化（仅需要 setup_auth)

没有本机模块。内置Node.js加密 crypto.钥匙扣通过 child_process.execFile.

致谢

NotebookLM内部API结构（RPC ID、参数格式、响应模式）由社区反向引擎工作提供信息，包括 王锡正/小册子mcp。所有实现代码均为原始代码。

许可证

麻省理工学院

相关 MCP