<div align="center">

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

安裝 • 快速開始 • 為什麼選擇-notebooklm • 範例 • 文件

</div>

---

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	零 - 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 等

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。