NotebookLM MCP는 Claude Code, Codex, Gemini CLI 같은 AI 코딩 에이전트가 Google NotebookLM 노트북에 직접 질의할 수 있게 해주는 MCP 서버다. 문서를 직접 읽히거나 로컬 RAG를 구축하지 않아도, 에이전트가 NotebookLM의 Gemini 2.5 기반 지식 합성 능력을 그대로 활용한다.
해결하는 문제
코딩 에이전트에게 문서를 직접 검색시키면 생기는 문제:
- 여러 파일을 반복 읽으며 토큰을 과다 소비
- 키워드 매칭 방식으로 문맥 연결 놓침
- 모르면 그럴듯한 API를 지어냄(환각)
- 로컬 RAG는 벡터 DB 구축·청킹 전략 설계에 시간 소요
NotebookLM MCP는 에이전트가 NotebookLM에 직접 질문하고 인용 기반 답변을 받아오게 해서 이 문제를 해결한다.
접근 방식 비교
| 방식 | 토큰 비용 | 구축 시간 | 환각 | 답변 품질 |
|---|---|---|---|---|
| 문서 직접 로드 | 매우 높음 | 즉시 | 있음 | 가변적 |
| 웹 검색 | 중간 | 즉시 | 높음 | 불안정 |
| 로컬 RAG | 중간~높음 | 몇 시간 | 중간 | 설정 의존 |
| NotebookLM MCP | 최소 | 5분 | 없음 | 전문가 수준 합성 |
NotebookLM은 모르는 내용에 답변을 거부하기 때문에 환각이 발생하지 않는다.
설치
# Claude Code
claude mcp add notebooklm npx notebooklm-mcp@latest
# Codex
codex mcp add notebooklm -- npx notebooklm-mcp@latest
# Gemini CLI
gemini mcp add notebooklm npx notebooklm-mcp@latestVS Code, Cursor, amp 등 다른 MCP 클라이언트는 npx notebooklm-mcp@latest 명령을 사용하는 공통 설정을 지원한다.
핵심 특징
- 영구 인증: 세션마다 재인증 불필요
- 라이브러리 관리: NotebookLM 링크에 태그·설명 저장, 현재 작업에 맞는 노트북 자동 선택
- 자동 후속 질문: 에이전트가 순차적으로 질문을 심화해 구현 세부사항·엣지 케이스·베스트 프랙티스까지 파악
- 크로스 클라이언트 공유: 동일 노트북 라이브러리를 여러 AI 클라이언트에서 공유
누구에게 유용한가
- 내부 문서가 많은 조직: 사내 위키·API 명세·정책 문서를 NotebookLM에 올려 에이전트가 참조하게 할 때
- 오픈소스 컨트리뷰터: 대규모 프로젝트 문서를 미리 NotebookLM에 인덱싱해 질문 비용을 줄일 때
- 리서치 팀: 논문·보고서 50+ 개를 NotebookLM에 넣고 에이전트가 교차 참조 질문을 할 때
관련 문서
- notebooklm — NotebookLM 소스 기반 AI 리서치 환경 개요
- notebooklm-tips-advanced — NotebookLM 파워 유저 팁
- rag — 검색 증강 생성 기본 개념