/ Verzeichnis / Playground / NotebookLM-py
← Alle Server ↗ GitHub
● Community teng-lin ⚡ Sofort

NotebookLM-py

von teng-lin · teng-lin/notebooklm-py

Google NotebookLM von Claude aus steuern — Notebooks erstellen, Quellen einlesen, Audio-Übersichten generieren, auch Features, die das Web-UI versteckt.

notebooklm-py ist eine inoffizielle Python-API + Claude-Skill für NotebookLM. Es exponiert Notebook-CRUD, Quellen-Aufnahme (PDFs, URLs, YouTube) und die Audio-Übersicht-/Mind-Map-/FAQ-Features. Beinhaltet eine CLI und einen Agent-Skill, sodass man sagen kann 'lade diese PDFs in ein Notebook und gib mir die Audio-Übersicht' ohne je notebooklm.google.com zu öffnen.

▶ Demo ansehen 📦 Installieren 💡 Anwendungsfälle

Warum nutzen

Hauptfunktionen

Live-Demo

In der Praxis

bereit

Installieren

Wählen Sie Ihren Client

~/Library/Application Support/Claude/claude_desktop_config.json  · Windows: %APPDATA%\Claude\claude_desktop_config.json
{
  "mcpServers": {
    "notebooklm-py-skill": {
      "command": "git",
      "args": [
        "clone",
        "https://github.com/teng-lin/notebooklm-py",
        "~/.claude/skills/notebooklm-py"
      ],
      "_inferred": true
    }
  }
}

Öffne Claude Desktop → Settings → Developer → Edit Config. Nach dem Speichern neu starten.

~/.cursor/mcp.json · .cursor/mcp.json
{
  "mcpServers": {
    "notebooklm-py-skill": {
      "command": "git",
      "args": [
        "clone",
        "https://github.com/teng-lin/notebooklm-py",
        "~/.claude/skills/notebooklm-py"
      ],
      "_inferred": true
    }
  }
}

Cursor nutzt das gleiche mcpServers-Schema wie Claude Desktop. Projektkonfiguration schlägt die globale.

VS Code → Cline → MCP Servers → Edit
{
  "mcpServers": {
    "notebooklm-py-skill": {
      "command": "git",
      "args": [
        "clone",
        "https://github.com/teng-lin/notebooklm-py",
        "~/.claude/skills/notebooklm-py"
      ],
      "_inferred": true
    }
  }
}

Klicken Sie auf das MCP-Servers-Symbol in der Cline-Seitenleiste, dann "Edit Configuration".

~/.codeium/windsurf/mcp_config.json
{
  "mcpServers": {
    "notebooklm-py-skill": {
      "command": "git",
      "args": [
        "clone",
        "https://github.com/teng-lin/notebooklm-py",
        "~/.claude/skills/notebooklm-py"
      ],
      "_inferred": true
    }
  }
}

Gleiche Struktur wie Claude Desktop. Windsurf neu starten zum Übernehmen.

~/.continue/config.json
{
  "mcpServers": [
    {
      "name": "notebooklm-py-skill",
      "command": "git",
      "args": [
        "clone",
        "https://github.com/teng-lin/notebooklm-py",
        "~/.claude/skills/notebooklm-py"
      ]
    }
  ]
}

Continue nutzt ein Array von Serverobjekten statt einer Map.

~/.config/zed/settings.json
{
  "context_servers": {
    "notebooklm-py-skill": {
      "command": {
        "path": "git",
        "args": [
          "clone",
          "https://github.com/teng-lin/notebooklm-py",
          "~/.claude/skills/notebooklm-py"
        ]
      }
    }
  }
}

In context_servers hinzufügen. Zed lädt beim Speichern neu.

claude mcp add notebooklm-py-skill -- git clone https://github.com/teng-lin/notebooklm-py ~/.claude/skills/notebooklm-py

Einzeiler. Prüfen mit claude mcp list. Entfernen mit claude mcp remove.

Anwendungsfälle

Praxisnahe Nutzung: NotebookLM-py

Einen Forschungs-Digest aus einem Paper-Batch erstellen

👤 Forscher / Analysten ⏱ ~20 min beginner

Wann einsetzen: 10 Paper sind in deinem Posteingang gelandet; du willst schnell eine Synthese.

Voraussetzungen
  • Google-Account mit NotebookLM-Zugang — Einmal über den Python-Auth-Flow einloggen
Ablauf
  1. Aufnehmen
    Use notebooklm-py. Create a notebook 'Q2 Reading'. Add the 10 PDFs in /papers/.✓ Kopiert
    → Notebook erstellt; Quellen geladen
  2. Synthetisieren
    Generate a topic-clustered summary across all sources.✓ Kopiert
    → Quellenübergreifende Synthese
  3. Audio
    Generate an audio overview. Save the MP3.✓ Kopiert
    → MP3-Datei

Ergebnis: 10 Paper in etwas destilliert, das in 20 Minuten gelesen oder unterwegs gehört werden kann.

Fallstricke
  • Quellenqualität variiert — Per-Quellen-Zuordnung in der Synthese anfordern
Kombinieren mit: filesystem

Automatisch FAQ aus Produktdokumentation generieren

👤 Produkt / DevRel ⏱ ~25 min beginner

Wann einsetzen: Du hast Docs und brauchst eine FAQ für Nutzer.

Ablauf
  1. Laden
    Create a notebook from /docs (recursive). Generate FAQ.✓ Kopiert
    → FAQ-Ausgabe
  2. Verfeinern
    Drop FAQ items that aren't actually frequently asked. Add citations to source sections.✓ Kopiert
    → Zitierte, relevanzgefilterte FAQ

Ergebnis: FAQ bereit zur Veröffentlichung.

Fallstricke
  • Generische Fragen — Beispiele echter Nutzerfragen angeben falls vorhanden

Kombinationen

Mit anderen MCPs für 10-fache Wirkung

notebooklm-py-skill + filesystem

Audio-Übersichten + Zusammenfassungen lokal speichern

Save MP3 to /research/audio/.✓ Kopiert
notebooklm-py-skill + aris-research-skill

ARIS für autonome Recherche, NotebookLM für Synthese

ARIS finds papers; NotebookLM digests them into an audio overview.✓ Kopiert

Werkzeuge

Was dieses MCP bereitstellt

WerkzeugEingabenWann aufrufenKosten
create_notebook title Neues Projekt 1 NotebookLM op
add_source notebook_id, source: pdf|url|youtube Quellenset aufbauen 1 op + ingestion time
generate_audio notebook_id, style? Audio-Übersicht 1 op + render
generate_mind_map notebook_id Quellenstruktur visualisieren 1 op
ask notebook_id, question Q&A auf Basis der Quellen 1 op

Kosten & Limits

Was der Betrieb kostet

API-Kontingent
Durch NotebookLMs Plan-Limits gebunden
Tokens pro Aufruf
Tokens minimal — der Hauptkostenträger ist die NotebookLM API
Kosten in €
Kostenlos im kostenlosen NotebookLM-Tarif; bezahlt für höhere Limits
Tipp
Notebooks wiederverwenden; nicht erstellen und wegwerfen

Sicherheit

Rechte, Secrets, Reichweite

Minimale Scopes: Google auth for NotebookLM
Credential-Speicherung: Lokaler OAuth-token-Cache
Datenabfluss: Google NotebookLM
Niemals gewähren: OAuth scopes you don't need

Fehlerbehebung

Häufige Fehler und Lösungen

Auth flow stuck

Lokalen token-Cache leeren und erneut authentifizieren

Source ingestion fails for big PDFs

In kleinere Teile aufteilen; NotebookLM hat Per-Quellen-Größenlimits

Audio generation queued forever

NotebookLMs Audio-Queue kann langsam sein; später erneut versuchen

Alternativen

NotebookLM-py vs. andere

AlternativeWann stattdessenKompromiss
NotebookLM Web-UIManueller EinmalgebrauchKeine Automatisierung; programmatische Features fehlen
Eigene RAG-PipelineVollständige Kontrolle über Modelle nötigViel Engineering gegenüber kostenlosen NotebookLM-Features

Mehr

Ressourcen

📖 Offizielle README auf GitHub lesen

🐙 Offene Issues ansehen

🔍 Alle 400+ MCP-Server und Skills durchsuchen