nblm-mcp
A multi-account MCP server for NotebookLM that maintains sticky account and notebook per session. It uses the internal RPC to avoid logout issues and adds tools for account switching, notebook selection, and health checks.
README
nblm-mcp
Servidor MCP de NotebookLM multicuenta, con cuenta y notebook pegajosos por sesión.
Está construido encima de notebooklm-py (MIT),
que habla la RPC interna de NotebookLM (batchexecute) en vez de automatizar el DOM con
un browser headless — por eso no se desloguea cada dos por tres. Este paquete no forkea esa
base: la usa como dependencia y le pone encima sólo lo que le falta.
Por qué esto y no otro MCP de NotebookLM
| MCPs basados en Playwright/DOM | notebooklm-py a secas |
nblm-mcp | |
|---|---|---|---|
| Transporte | Scraping del DOM | RPC interna | RPC interna |
| Se desloguea | Constantemente | No (master-token) | No (master-token) |
| Varias cuentas Google | No | Una por proceso (--profile) |
En caliente, account_use |
Repetir notebook en cada llamada |
Sí | Sí | No, se inyecta solo |
| Tools | Pocas | 33 | 38 |
Lo de multicuenta no es cosmético: una cuenta free de NotebookLM tiene ~50 consultas/día. Poder saltar de cuenta sin reiniciar el server es la diferencia entre seguir trabajando o parar.
Qué añade sobre las 33 tools de upstream
| Tool | Para qué |
|---|---|
account_list |
Ver las cuentas de Google configuradas (una por perfil, cada una con su cuota) |
account_use(profile) |
Elegir cuenta en caliente; upstream ata el perfil al proceso, aquí no |
notebook_use(ref) |
Fijar el notebook activo; luego se puede omitir notebook en las 33 tools |
session_status |
En qué cuenta y notebook estamos |
health |
Qué anda y qué no: auth, config, cuentas — con una lista fix de qué correr |
Cómo funciona por dentro: el cliente que ven las tools de upstream es un proxy
(SwitchingClient) que apunta al perfil activo, y un middleware (StickyContext) rellena el
notebook que falte. Cero cambios en las 33 tools originales, así que un uv sync -U trae
las mejoras de upstream gratis.
Con más de una cuenta configurada, el middleware exige account_use antes de tocar nada —
que es el flujo que se quiere: elegir cuenta → elegir/crear notebook → trabajar.
Dependencias
- Python ≥ 3.11
uvpara instalar y correr (instalación)notebooklm-py[mcp,browser,headless]==0.8.0rc1— única dependencia directa; traefastmcp, el cliente RPC, el CLInotebooklmy las 33 tools.uvla instala sola.- Un browser (Chromium/Chrome) sólo la primera vez, para el login inicial de cada cuenta.
- Una cuenta de Google con acceso a NotebookLM.
Instalación
git clone https://github.com/Solar2004/nblm-mcp.git
cd nblm-mcp
uv sync
Alta de cuentas (una vez por cuenta, la corre el humano)
uv run notebooklm login --master-token --account tu@gmail.com -p personal
uv run notebooklm login --master-token --account otra@gmail.com -p secundaria
--master-token = un sign-in en el browser y a partir de ahí re-mintea cookies solo, sin browser.
El
master_token.jsonque queda en~/.notebooklm/es una credencial durable de tu cuenta de Google: trátalo como un secreto, no lo subas a ningún repo.
Comprobar que quedó bien: uv run nblm-mcp y llamar a la tool health, o directamente
uv run notebooklm doctor.
Cablearlo a un cliente MCP
Claude Code (.mcp.json del proyecto, o claude mcp add), Claude Desktop
(claude_desktop_config.json) y cualquier otro cliente stdio:
{
"mcpServers": {
"notebooklm": {
"command": "uv",
"args": ["run", "--directory", "/ruta/absoluta/a/nblm-mcp", "nblm-mcp"]
}
}
}
También habla HTTP si hace falta:
uv run nblm-mcp --transport http --host 127.0.0.1 --port 9421
Uso
Flujo típico desde el agente:
account_list()→account_use("personal")notebook_list()→notebook_use("Mi investigación")(acepta título, prefijo único o id)source_add(...)para meter fuentes,chat_ask(...)para preguntarstudio_generate(...)para audio, video, slide-deck, infographic, mind-map, report o quizstudio_download(path=...)para bajar lo generado y leerlo del disco
Desde el paso 2 en adelante ya no hace falta pasar notebook en ninguna llamada.
Tests
uv run python test_server.py # sin red: gate de cuenta, cambio de cuenta, inyección de notebook
Límites (heredados de la base)
- Usa una API interna no documentada de Google: puede romperse sin aviso.
- ~50 consultas/día en cuentas free (de ahí lo de multicuenta).
research_importno es atómico.- Estado en memoria del proceso: con stdio hay un proceso por sesión de agente, que es justo el alcance que se busca.
Licencia
MIT. La base notebooklm-py también es MIT. Proyecto no afiliado a Google ni a NotebookLM.
推荐服务器
Baidu Map
百度地图核心API现已全面兼容MCP协议,是国内首家兼容MCP协议的地图服务商。
Playwright MCP Server
一个模型上下文协议服务器,它使大型语言模型能够通过结构化的可访问性快照与网页进行交互,而无需视觉模型或屏幕截图。
Magic Component Platform (MCP)
一个由人工智能驱动的工具,可以从自然语言描述生成现代化的用户界面组件,并与流行的集成开发环境(IDE)集成,从而简化用户界面开发流程。
Audiense Insights MCP Server
通过模型上下文协议启用与 Audiense Insights 账户的交互,从而促进营销洞察和受众数据的提取和分析,包括人口统计信息、行为和影响者互动。
VeyraX
一个单一的 MCP 工具,连接你所有喜爱的工具:Gmail、日历以及其他 40 多个工具。
graphlit-mcp-server
模型上下文协议 (MCP) 服务器实现了 MCP 客户端与 Graphlit 服务之间的集成。 除了网络爬取之外,还可以将任何内容(从 Slack 到 Gmail 再到播客订阅源)导入到 Graphlit 项目中,然后从 MCP 客户端检索相关内容。
Kagi MCP Server
一个 MCP 服务器,集成了 Kagi 搜索功能和 Claude AI,使 Claude 能够在回答需要最新信息的问题时执行实时网络搜索。
e2b-mcp-server
使用 MCP 通过 e2b 运行代码。
Neon MCP Server
用于与 Neon 管理 API 和数据库交互的 MCP 服务器
Exa MCP Server
模型上下文协议(MCP)服务器允许像 Claude 这样的 AI 助手使用 Exa AI 搜索 API 进行网络搜索。这种设置允许 AI 模型以安全和受控的方式获取实时的网络信息。