notebooklm-py 完全指南用 Python、CLI 与 AI Agent 深度驱动 Google Gemini Notebook【免费下载链接】notebooklm-pyUnofficial Python API and agentic skill for Google Gemini Notebook. Full programmatic access to NotebookLMs features—including capabilities the web UI doesnt expose—via Python, CLI, and AI agents like Claude Code, Codex, and OpenClaw.项目地址: https://gitcode.com/GitHub_Trending/no/notebooklm-py本篇指南以仓库根目录 README.md 为主体脉络系统讲解notebooklm-py这款非官方 Python 库的完整能力从 NotebLML现已更名为 Gemini Notebook的自动化接入、认证与安装到 CLI / Python API / MCP / REST 四套使用方式再到面向 AI Agent 的 skill 集成与无人值守部署。读完本文你将掌握如何用几行代码批量导入来源、发起带引用的 grounded 问答、生成并下载播客/视频/测验/思维导图等全类型 Studio 工件以及如何把 Gemini Notebook 变成一个由 Agent 驱动的“零 Token 合成与记忆层”。一、项目定位把 Gemini Notebook 变成可编程的合成引擎notebooklm-py是一个非官方的 Google Gemini Notebook原 NotebookLM自动化库提供 Python API、CLI、MCP Server、REST Server 和 Agent Skill 五条接入路径宣称可访问 Web 界面都未暴露的完整功能。仓库 pyproject.toml 将其描述为 Unofficial Python library for automating Google NotebookLM当前版本 0.8.2支持 Python 3.10 ~ 3.14。风险声明仓库原文该库使用未文档化的 Google API可能随时变化与 Google 无任何关联存在限流风险最适合原型、研究和个人项目。详见 docs/troubleshooting.md。品牌说明2026 年 7 月Google 已将 NotebookLM 更名为Gemini Notebook仍是同一独立产品现有链接自动跳转本库驱动的底层服务不变包名继续保留notebooklm-py。从源码结构看包主体位于 src/notebooklm/ 目录下核心入口是 client.py 中的NotebookLMClient它通过from_storage()从本地凭据目录构造客户端并按命名空间暴露notebooks、sources、chat、research、artifacts、mind_maps、notes、settings、sharing、labels、collections共11 个公共命名空间对应 SKILL.md 中的说明。换句话说整个 Web 产品能做与不能做的事都被映射成了可脚本化、可批量的方法调用。二、能构建什么四类核心能力按 README 的归纳这套库可以支撑以下四类应用能力域具体内容AI Agent 工具将 NotebookLM 集成进 Claude Code、Codex 等 LLM Agent随包附带根级 SKILL.md支持 GitHub 与npx skills add发现、本地notebooklm skill install写入 Claude Code 与.agentsskill 目录、仓库级 Codex 指引 AGENTS.md研究自动化批量导入来源URL、PDF、YouTube、Google Drive运行带自动导入的 Web/Drive 研究查询构建可重复的研究流水线内容生成生成音频概览播客、视频、幻灯片、测验、闪卡、信息图、数据表、思维导图、学习指南完全控制格式、风格与输出下载与导出本地下载全部生成工件MP3、MP4、PDF、PNG、CSV、JSON、Markdown导出到 Google Docs/SheetsWeb 界面不提供的能力批量下载、多种格式的测验/闪卡导出、思维导图 JSON 抽取三、实战配方Agent 怎么用 NotebookLMREADME 给出的核心洞察是NotebookLM 是一个 grounded 引擎——Gemini 负责大量阅读并基于你的来源给出带引用的回答。因此最有效的模式是让 NotebookLM 做昂贵的分析Agent 做编排与最后一公里把它当作Agent 循环驱动的零 Token 合成 记忆层并把结构化工件批量拉出来。以下是按用途分组的实战配方。3.1 省 Token让 NotebookLM 做昂贵的思考零 Token 研究卸载把 30 份文档丢进一个 notebook让 Gemini 完成重分析Agent 只在最终润色上花 Token。Agent 只负责编排create→source add→ask推理全部发生在服务端。知识蒸馏成永久 Skill用source add-research your topic --mode deep见 docs/cli-reference.md#source-add-research运行 Deep Research或加载文档语料让 Gemini 提炼后把结果固化成SKILL.mdAgent 启动时加载——构建一次零运行时 Token、零网络调用复用可 git 版本化、不受 UI 漂移影响。直接把原始文档灌进 skill 会压平层级先让 NotebookLM 浓缩才是关键。自验证 Skill让 NotebookLM 基于来源生成评估集quiz用这份地面真值给 Agent skill 打分而不是用自己会有偏见的手写测试题。构建 skill → 跑 NotebookLM 出的评估题 → 迭代到通过。3.2 给 Agent 记忆持久、可引用的记忆库跨会话持久记忆维护一个 Master Brain notebook会话收尾时把决策与修复以笔记形式追加note create/ask --save-as-note并在CLAUDE.md中写一行让下个会话开始时ask查询。存储与召回都在 Google 基础设施上。代码 Agent 的 grounded 记忆把内部文档/RFC/架构通过 docs/mcp-guide.md 描述的 MCP Server或直接ask暴露给 Agent让它基于你的代码回答并带引用而不是听起来合理的猜测——这是自己搭向量库 embedding 流水线的零基础设施替代方案。查询自己的笔记/日记加载多年的日常笔记、会议日志或日记用ask跨自己的历史获得带引用的回答能浮现关键词搜索无法发现的长周期模式。3.3 来源 → 答案与工件Grounded 知识库 / 排障 OracleRAG加载产品文档、FAQ、RFC 与历史工单用ask --json获得基于来源、带引用的答案服务于支持、on-call 或内部问答也可让 Agent 把某个快速演进的工具的整个文档库远超上下文容量当作排障 oracle。多格式内容再利用一套来源、全格式输出——generate audio播客、generate video、generate slide-deck外加generate report博客稿、generate quiz、generate flashcards。批量、可脚本化导出思维导图导出 JSON、闪卡/测验导出 JSON/Markdown/HTML、数据表导出 CSV、报告导出 Markdown——批量、落到本地文件可直接进 Anki、思维导图工具或代码仓库download type/download type --all。这是库把数据取出来的一面而不只是把来源放进去。Obsidian / 知识图谱同步在 vault 根目录运行 CLI让下载的工件报告、思维导图 JSON、文稿作为文件落进知识图谱社区还基于本库把 NotebookLM 的引用标记解析为 Obsidian[[wikilinks]]可配合播客概览做笔记的音频摘要。3.4 无人值守、规模化、移动端事故 Runbook 生成器收到告警后把相关文档放进 notebook问几个定向诊断问题generate report --format briefing-doc --wait再download report自动产出简报式 runbook。课程 / 学习集构建器抓取 syllabus 或开发者路线图按主题每主题一个 notebook刻意放慢节奏以规避限流批量生成播客、测验、闪卡。定时音频简报auth refresh --quiet配合 cron / launchd / systemd加上generate audio定时向播客源发布新鲜简报。手机端、Agent 驱动自托管 docs/mcp-guide.md#remote-deployment-docker--a-tunnel 中的远程 MCP 连接器Cloudflare/Tailscale 隧道作为自定义连接器加到claude.ai 网页端Claude.ai Connectors或开启开发者模式的 ChatGPT即可在claude.ai 移动 App上驱动完整工具集深度研究、来源摄入、Studio 生成、带引用问答。这些配方由普通库原语组合而成完整命令见 docs/cli-reference.md 与 docs/python-api.mdAgent 侧胶水skill、调度、vault 布局由使用者自己搭建。每 notebook 的来源数量取决于 Google 账户层级触及上限时应拆分到多个 notebook参见 docs/quota-limits.md。四、五种使用方式与双 API 后端4.1 使用方式一览方式适用场景Python API应用集成、异步工作流、自定义流水线CLIShell 脚本、快速任务、CI/CD 自动化MCP ServerClaude Desktop/Code、Codex 等——本地经 stdio或自托管远程连接器Cloudflare/Tailscale 隧道可从 claude.ai 与 ChatGPT含移动端访问REST Server通过受保护的 HTTP 路由做本地自动化无需每次调用都起一个 CLI 进程实验性见 docs/installation.md#rest-api-serverAgent 集成Claude Code、Codex、LLM Agent、自然语言自动化三个进程入口在 pyproject.toml#L103-L106 中注册notebooklmCLI、notebooklm-mcpMCP 服务、notebooklm-serverREST 服务。4.2 API 后端Web 与 Android 双通道默认后端是成熟的 Webbatchexecute传输层本版本还提供可选的Android 后端使用 NotebookLM 移动端 gRPC 服务与 bearer 认证。CLI 用--backend android或环境变量NOTEBOOKLM_BACKENDandroid选择Python API 用NotebookLMClient.from_storage(backendandroid)或NotebookLMClient(..., backendandroid)。pip install notebooklm-py[android,browser] notebooklm login --master-token --account youexample.com notebooklm --backend android list --jsonAndroid 后端从所选 profile 读取master_token.json并按需铸造短期移动端 bearer token因此类型化命名空间调用不依赖浏览器 cookie 会话、Web 构建标签或 Web RPC ID全部 11 个公共命名空间均可用不回落 Web 传输层。由于持久化 master token 是强大的全账户凭据务必使用专用账户并妥善保护 profile。协议细节见 docs/android/README.mdAndroid 运行时需显式安装有意不包含在allextra 中。后端解析优先级见 docs/configuration.md#backend-preference固定为显式 SDK/CLI/MCP/REST 选项 →NOTEBOOKLM_BACKEND→ 默认web偏好值在客户端构造时固定。五、功能全景完整覆盖 全类型内容生成5.1 完整 NotebookLM 覆盖类别能力Notebooks创建、复制含来源与 Studio 工件、列出、重命名、删除SourcesURL、YouTube、文件PDF、文本、Markdown、Word、EPUB、音频、视频、图片、Google Drive、粘贴文本刷新、获取 guide/全文Chat提问、对话历史、自定义人设、建议起始提示词Notes创建、列出、重命名、删除、保存聊天回答、保存完整对话历史Source LabelsAI 生成或手动主题标签添加/移除来源成员按标签过滤来源ResearchWeb 与 Drive 研究 Agentfast/deep 模式并支持自动导入Sharing公开/私有链接、用户权限viewer/editor、查看层级控制这些能力在源码中均有对应实现例如 _sources.py 的add_url/add_file/add_drive/get_fulltext/wait_until_ready_chat.py 的ask/save_answer_as_note/get_history_labels.py 的generate/add_sources_sharing.py 的set_public/add_user以及 _research.py 的start/poll/wait_for_completion/import_sources。5.2 内容生成全工件类型类型选项下载格式Audio Overview4 种格式deep-dive、brief、critique、debate、3 种长度、50 语言MP3Video Overview4 种格式explainer、brief、cinematic、short、8 种视觉风格 auto/custom、专用cinematic-videoCLI 别名MP4Slide Deckdetailed 或 presenter 格式、可调长度、单张幻灯片单独修订PDF、PPTXInfographic3 种朝向、3 档细节PNGQuiz可配置数量与难度JSON、Markdown、HTMLFlashcards可配置数量与难度JSON、Markdown、HTMLReportbriefing doc、study guide、blog post 或自定义提示词MarkdownData Table自然语言自定义结构CSVMind Map层级节点树——两种note-backed JSON 或更新的交互式 studio 图--kind/MindMapKindJSON对应实现位于 _artifacts.pygenerate_audio、generate_video、generate_quiz、generate_slide_deck、revise_slide、download_*系列与export_*系列和 _mind_maps_api.pygenerate通过MindMapKind.INTERACTIVE/MindMapKind.NOTE_BACKED区分两种思维导图。5.3 超越 Web UI 的能力批量下载——一次下载某类型全部工件Quiz/Flashcard 导出——获得结构化 JSON、Markdown 或 HTML 文件思维导图数据抽取——导出层级 JSON 供可视化工具使用数据表 CSV 导出——以电子表格形式下载结构化表格幻灯片 PPTX/PDF——下载可编辑的 PowerPoint 或 PDF幻灯片修订——用自然语言提示修改单张幻灯片报告模板定制——向内置格式模板追加额外指令CLI 中为--append仅作用于内置报告格式聊天历史存为笔记——把整段问答对话不止单条回答持久化为 notebook 笔记来源全文访问——取回任意来源的已索引文本内容程序化分享——无需 UI 管理权限六、安装与认证完整安装指南六种人设、可选 extras 矩阵、平台说明见 docs/installation.md。以下是 README 的速通路径。6.1 最快开始CLI 用户与 AI Agentuv tool install notebooklm-py[browser] # 或: pipx install notebooklm-py[browser] notebooklm login # 首次运行自动下载 Chromium (~170 MB)然后 Google 登录 notebooklm auth check --test --json # 验证: 期望 status: ok为什么推荐uv tool/pipx它们把 CLI 装进独立隔离环境并把notebooklm放到PATH上——不与其他工具冲突依赖、一行升级uv tool upgrade notebooklm-py或卸载关键是它们在现代 macOSHomebrew Python和 Debian/Ubuntu 上可用因为这些系统上系统级pip install会被error: externally-managed-environmentPEP 668拦截。偏好原生pip在virtualenv 内以及 Windows 上Python 不受 external-managed 限制同样可用python3 -m venv .venv source .venv/bin/activate # Windows: .venv\Scripts\activate pip install notebooklm-py[browser]作为库嵌入不需要 Playwright 与 Chromiumuv add notebooklm-py # 或, 在 virtualenv 内: pip install notebooklm-py如果 Linux 上playwright install chromium报TypeError: onExit is not a function参见 docs/troubleshooting.md#linux 的 Linux 解决方法。6.2 可选 Extras 矩阵来源pyproject.toml#L42-L101 的[project.optional-dependencies]。基础依赖仅 4 个httpx、click、rich、filelockpyproject.toml#L29-L34所有 RPC 操作与除login外的全部 CLI 命令都只需基础安装。Extra添加内容何时需要browserplaywright1.40.0交互式notebooklm logincookiesrookie-cookies0.1.0login --browser-cookies browser、auth inspectPython 3.13headlessgpsoauth1.1.0login --master-token --account EMAIL无头认证从持久 master token 铸造/刷新 Web cookie无需每会话浏览器androidgrpcio1.76.0、protobuf6.33.5、gpsoauthAndroid bearer-gRPC 运行时有意排除在all外mcpfastmcp3.4.2MCP Serverserverfastapi、uvicorn、python-multipart实验性单租户 REST 服务器markdownmarkdownifysource fulltext -f markdown等 Markdown 输出impersonatecurl_cffi0.11实验性浏览器 TLS-JA3 模拟传输NOTEBOOKLM_TRANSPORTcurl_cffiallbrowser,dev,headless,markdown,mcp,server显式排除android、cookies、impersonate6.3 认证与访问三种获取 cookie 的方式——交互式 Playwright 登录默认、从已登录浏览器导入login --browser-cookies chrome无需 Playwright、或持久的master token。Master-token 认证——按需铸造新 Web cookie无需每会话浏览器login --master-token --account youexample.com过期会话自动自我修复是服务器、CI 与远程 MCP 连接器claude.ai / ChatGPT的认证模型。多账户 Profiles——不重新认证即可切换 Google 账户。常用流程如notebooklm profile create work notebooklm -p work login --browser-cookies edge --account workcorp.com。主 Token 是全账户、持久凭据写入master_token.json权限0600爆炸半径远大于过期的 cookie 快照即使修改密码也仍然有效——泄露后唯一补救是显式吊销。务必只用专用/一次性 Google 账户妥善保管设计细节见 docs/adr/0023-master-token-headless-auth.md。CI 场景下把 master token 作为 secret 传入、unset环境变量再notebooklm auth refresh --verify铸造会话即可见 docs/installation.md#alternative-master-token-auth-no-cookie-file-to-ship-survives-expiry。6.4 Agent Skill 设置方式一——CLI 安装notebooklm skill install安装到~/.claude/skills/notebooklm与~/.agents/skills/notebooklm。方式二——npx安装开放 skill 生态npx skills add teng-lin/notebooklm-py直接获取仓库根级 SKILL.md。该 skill 文件打包进 wheel 的notebooklm/data/SKILL.md见 pyproject.toml#L157面向 Agent 定义了完整操作约定优先--json与显式 ID、每个 notebook 级命令都传-n/--notebook、并发时使用独立NOTEBOOKLM_PROFILE、source add后必须source wait、异步生成后用artifact wait与-a artifact_id精确下载、重叠研究必须传--run-id等详见 SKILL.md。同时提供notebooklm skill status --json检查安装版本notebooklm skill package为沙箱环境打包可上传归档。七、快速开始7.1 CLI 全流程# 1. 认证打开浏览器 notebooklm login # 或使用 Microsoft Edge适合要求 Edge SSO 的组织 # notebooklm login --browser msedge # 或复用已登录浏览器会话的 cookies # notebooklm login --browser-cookies chrome # notebooklm login --browser-cookies chrome::Profile 1 # 指定一个 Chromium profile # (可与 --profile 组合写入特定 profile # 多个 Google 账户已登录时先 auth inspect 再用 --account / --all-accounts) # 2. 创建 notebook 并添加来源 notebooklm create My Research notebooklm use notebook_id notebooklm source add https://en.wikipedia.org/wiki/Artificial_intelligence notebooklm source add ./paper.pdf # 3. 与来源对话 notebooklm ask What are the key themes? notebooklm ask --prompt-file ./long_question.txt # 从文件读取问题 # 4. 生成内容长提示词用 --prompt-file notebooklm generate audio make it engaging --wait notebooklm generate video --style whiteboard --wait notebooklm generate cinematic-video documentary-style summary --wait notebooklm generate quiz --difficulty hard notebooklm generate flashcards --quantity more notebooklm generate slide-deck notebooklm generate infographic --orientation portrait notebooklm generate mind-map # 默认交互式 studio 图; --kind note-backed 为 JSON 树 notebooklm generate>notebooklm auth check --test # 诊断 auth/cookie 问题 notebooklm auth refresh --quiet # 一次性 cookie 保活 (供 cron / launchd / systemd) notebooklm auth refresh --browser-cookies chrome # 重新抽取并修复账户路由 notebooklm auth inspect --browser chrome::Profile 1 # 预览一个 Chromium profile notebooklm agent show codex # 打印随包 Codex 指引 notebooklm agent show claude # 打印随包 Claude Code skill 模板 notebooklm language list # 列出支持的输出语言 notebooklm metadata --json # 导出 notebook 元数据与来源 notebooklm usage # 显示实时 compute 用量与重置时间 notebooklm usage --json # 导出完整用量快照含分类 notebooklm share status # 检查分享状态 notebooklm source add-research AI --import-all # web 研究 导入发现的来源 notebooklm skill status # 检查本地 agent skill 安装 notebooklm profile list # 列出全部 Google 账户 profiles notebooklm profile switch work # 切换活动账户 profile--prompt-file PATH用于ask、基于提示词的generate命令和source add-research中文本过长不便放在命令行时——它读取的是提示词/查询文本与source add ./file.pdf上传文件作为来源是两回事。7.2 Python API 完整示例import asyncio from notebooklm import NotebookLMClient, MindMapKind async def main(): async with NotebookLMClient.from_storage() as client: # 创建 notebook 并添加来源 nb await client.notebooks.create(Research) await client.sources.add_url(nb.id, https://example.com, waitTrue) # 与来源对话 result await client.chat.ask(nb.id, Summarize this) print(result.answer) # 生成内容播客、视频、测验等 status await client.artifacts.generate_audio(nb.id, instructionsmake it fun) await client.artifacts.wait_for_completion(nb.id, status.task_id) await client.artifacts.download_audio(nb.id, podcast.m4a) # 生成测验并以 JSON 下载 status await client.artifacts.generate_quiz(nb.id) await client.artifacts.wait_for_completion(nb.id, status.task_id) await client.artifacts.download_quiz(nb.id, quiz.json, output_formatjson) # 通过统一 client.mind_maps API 生成思维导图 — # 两种类型较新的 MindMapKind.INTERACTIVE studio 图默认轮询至完成 # 或 MindMapKind.NOTE_BACKED JSON。两者都通过以下方式导出 mm await client.mind_maps.generate(nb.id, kindMindMapKind.INTERACTIVE) await client.artifacts.download_mind_map(nb.id, mindmap.json, mm.id) asyncio.run(main())NotebookLMClient.from_storage()是异步上下文管理器注意不需要await调用本身客户端在单事件循环上可重入但非线程安全每个循环创建一个客户端client.py。完整工作流示例见 examples/quickstart.py、examples/bulk-import.py、examples/research-to-podcast.py 与 examples/refresh_browser_cookies.py。7.3 Agent 侧的标准工作流SKILL 约定SKILL.md 给出了显式请求即可自动化的规范流水线create记录.notebook.id→ 逐个source add记录.source.id→source wait {source_id} -n {nb} --timeout 600→ 生成如generate audio ... -n {nb} -s {source_id} --json记录.task_id→artifact wait {artifact_id} -n {nb} --timeout 1200→download audio ./podcast.m4a -a {artifact_id} -n {nb}。深度研究--mode deep可能耗时 15–30 分钟用--no-wait非阻塞启动并保留.poll_task_id为{research_run_id}之后research wait --import-all --timeout 1800 --json在授权后导入。状态机约定来源unknown/preparing/processing → ready|error只在ready后继续工件pending/in_progress → completed|failed|removed只在completed后下载。八、存储、配置与运行环境所有数据默认存放于~/.notebooklm/按 profile 组织详见 docs/configuration.md~/.notebooklm/ ├── config.json # 全局配置: default_profile, language ├── profiles/ │ ├── default/ # 默认 profile自动创建 │ │ ├── storage_state.json # 认证 cookies 与会话 │ │ ├── master_token.json # 持久 headless/Android 凭据可选 │ │ ├── context.json # CLI 上下文活动 notebook、会话 │ │ └── browser_profile/ # 持久 Chromium profile │ ├── work/ # 命名 profile 示例 │ └── personal/storage_state.json存 cookie 集合并可选记录notebooklm.accountauthuser 与 email经验上SID与__Secure-1PSIDTS严格必需OSID或APISIDSAPISIDbare LSID为次级绑定缺失时警告——完整 cookie 抽取由notebooklm login完成不要手工子集化。context.json由notebooklm use/clear/ auth 命令自动管理记录活动 notebook 及其元数据。旧版扁平布局在首次运行时自动迁移进profiles/default/迁移在~/.notebooklm/.migration.lock的单写者filelock下进行migration.py并发 CLI 调用不会交错复制。关键环境变量完整表格见 docs/configuration.md#environment-variables变量说明默认NOTEBOOKLM_HOME所有文件的基目录~/.notebooklmNOTEBOOKLM_PROFILE活动 profile 名defaultNOTEBOOKLM_BACKEND命名空间后端web或androidwebNOTEBOOKLM_AUTH_JSON内联认证 JSONCI 单次调用应急用-NOTEBOOKLM_NOTEBOOK缺省 notebook ID-NOTEBOOKLM_HL默认界面/输出语言码如en、ja、zh_HansenNOTEBOOKLM_BASE_URLGemini Notebook 基地址notebook.google.com/ 旧个人notebooklm.google.com/ 企业notebooklm.cloud.google.comhttps://notebook.google.comNOTEBOOKLM_TRANSPORTHTTP 传输后端httpx或curl_cffiTLS 指纹被拦时用httpxNOTEBOOKLM_RPC_OVERRIDESRPCMethod枚举名到 RPC ID 的 JSON 映射Google 轮换 method ID 时的社区自补丁-NOTEBOOKLM_REFRESH_CMD需要刷新 auth 时调用的外部命令写回storage_state.json后退出 0-NOTEBOOKLM_MCP_TRANSPORT/_HOST/_PORTMCP 传输stdio/http、绑定地址与端口stdio/127.0.0.1/9420NOTEBOOKLM_MCP_OAUTH_PASSWORD/_OAUTH_BASE_URL自托管 OAuth 授权服务器口令≥16 字符与公开 HTTPS 源供 claude.ai 连远程 MCP-NOTEBOOKLM_SERVER_TOKEN/_HOST/_PORTREST 服务器 bearer token必须设置、绑定地址与端口- /127.0.0.1/8000NOTEBOOKLM_LOG_LEVEL日志级别WARNINGNOTEBOOKLM_HOME、NOTEBOOKLM_PROFILE与各并发相关的NOTEBOOKLM_*_CONCURRENCY变量REST 服务器各处理器并发上限为无人值守与并发 Agent 场景提供了隔离手段。九、Agent 集成生态MCP 与 REST9.1 MCP ServerMCP Server 位于可选mcpextra 之后拉入fastmcp把 Gemini Notebook 暴露给任意 MCP 客户端Claude Desktop、Claude Code、Cursor、Windsurf……为38 个工具——管理 notebook 与来源、基于 notebook 来源对话、生成并下载 Studio 工件、运行深度研究。它是 CLI 同一业务逻辑之上的薄适配层行为与notebooklm command一致docs/mcp-guide.md。注意其工具面不受 semver 保证可能在版本间变化。pip install notebooklm-py[mcp] # 或不安装直接运行: uvx --from notebooklm-py[mcp] notebooklm-mcp --help服务器复用已存储的 profile自己不登录先notebooklm login一次即可。连接客户端最快的方式是自动配置命令幂等不覆盖其他服务器notebooklm mcp install claude-desktop # 或: claude-code | cursor | windsurf远程部署Docker Cloudflare/Tailscale 隧道后可作为自定义连接器加入 claude.ai含移动 App与 ChatGPT开发者模式实现手机上的 NotebookLM、Agent 驱动。安全边界与托管威胁模型见 SECURITY.md。9.2 REST Server实验性单租户 FastAPI 本地服务器通过受保护 HTTP 路由做本地自动化避免每次调用起一个 CLI 进程。启动入口为notebooklm-server所有/v1请求需要NOTEBOOKLM_SERVER_TOKEN未设置则拒绝启动默认仅绑定 loopback非 loopback 需显式NOTEBOOKLM_SERVER_ALLOW_EXTERNAL_BIND1且应置于可信代理之后。十、文档地图与后续深入仓库还维护了一批高质量的领域文档建议按需深入docs/installation.md——六种人设完整安装、extras 矩阵、平台说明与 CI 部署配方docs/cli-reference.md——CLI 全命令参考docs/python-api.md——Python API 完整参考docs/mcp-guide.md——MCP 服务器、传输与工具参考docs/configuration.md——存储与设置、环境变量全集docs/quota-limits.md——各层级 notebook/来源/Studio 限额及其与AccountLimits.tier的映射docs/security.md——凭据处理与信任边界docs/stability.md——版本策略与稳定性保证docs/troubleshooting.md——常见问题排查docs/upgrading-to-0.8.0.md——v0.8.0 错误与返回契约的破坏性迁移指南docs/android/README.md——Android 后端设置与协议笔记docs/architecture.md、docs/development.md、docs/rpc-reference.md——面向贡献者的架构、开发与 RPC 载荷文档CHANGELOG.md——版本历史与发布说明结语notebooklm-py的价值在于把 Gemini Notebook 的 grounding 能力——带引用的问答、全类型 Studio 工件生成、深度研究——从浏览器点击中解放出来变成 Python、Shell、HTTP 与 Agent 协议都能消费的编程原语。其让 NotebookLM 做昂贵分析、Agent 只做编排与最后一公里的定位尤其适合构建零 Token 研究流水线、跨会话记忆层与批量内容工厂。需要再次强调的是它建立在未文档化、随时可能变化的 Google 内部 API 之上请只用于原型、研究与个人项目并为认证凭据尤其是 master token设置严格的安全边界。【免费下载链接】notebooklm-pyUnofficial Python API and agentic skill for Google Gemini Notebook. Full programmatic access to NotebookLMs features—including capabilities the web UI doesnt expose—via Python, CLI, and AI agents like Claude Code, Codex, and OpenClaw.项目地址: https://gitcode.com/GitHub_Trending/no/notebooklm-py创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考