freemcplab / Verzeichnis / Playground / NotebookLM-py

● Community teng-lin ⚡ Sofort

NotebookLM-py

Name: NotebookLM-py (Claude Skill)
Author: teng-lin

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

Notebook-CRUD via Python oder Skill
Multi-Quellen-Aufnahme (PDF, URL, YouTube)
Audio-Übersichten, Mind-Maps, FAQs programmatisch generieren
Zugriff auf Features, die das Web-UI nicht exponiert
CLI für einmalige Skripte

Live-Demo

In der Praxis

bereit

Installation

Repository des Autors · Offizielle Dokumentation zu Claude Skills

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

Aufnehmen

Use notebooklm-py. Create a notebook 'Q2 Reading'. Add the 10 PDFs in /papers/.✓ Kopiert

→ Notebook erstellt; Quellen geladen
Synthetisieren

Generate a topic-clustered summary across all sources.✓ Kopiert

→ Quellenübergreifende Synthese
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

Laden

Create a notebook from /docs (recursive). Generate FAQ.✓ Kopiert

→ FAQ-Ausgabe
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

Werkzeug	Eingaben	Wann aufrufen	Kosten
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

Inoffiziell — kann brechen wenn Google die zugrunde liegende Oberfläche ändert

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

Alternative	Wann stattdessen	Kompromiss
NotebookLM Web-UI	Manueller Einmalgebrauch	Keine Automatisierung; programmatische Features fehlen
Eigene RAG-Pipeline	Vollständige Kontrolle über Modelle nötig	Viel Engineering gegenüber kostenlosen NotebookLM-Features

Mehr

Ressourcen

📖 Offizielle README auf GitHub lesen

🐙 Offene Issues ansehen

🔍 Alle 400+ MCP-Server und Skills durchsuchen