Notebooklm MCP Secure

🚀 NotebookLM MCP Server（安全強化版）

藉助 NotebookLM 和 Gemini 深度研究功能，實現零幻覺回答，同時具備企業級安全保障

該項目結合了 NotebookLM 和 Gemini 深度研究的強大能力，為用戶提供準確可靠的回答。同時，通過 14 層安全強化，確保敏感數據得到妥善保護，適用於處理各類敏感信息的企業場景。

• • • 安全特性 • 安裝步驟

本項目是 PleasePrompto/notebooklm-mcp 的安全強化分支版本。 由 Pantheon Security 維護。

🚀 快速開始

1. 安裝（詳見下文）

2. 認證

"Log me in to NotebookLM"

Chrome 瀏覽器將打開，使用 Google 賬號登錄

3. 添加 Notebook

訪問 notebooklm.google.com → 創建 Notebook → 上傳文檔 → 分享鏈接

4. 使用服務

"Research [topic] using this NotebookLM: [link]"

5. 嘗試深度研究（新功能！）

"Use deep research to investigate [complex topic]"

✨ 主要特性

• Gemini 深度研究：v1.8.0 版本引入穩定的 Gemini 交互 API，為 AI 智能體提供強大的研究能力。
• 文檔 API：v1.9.0 版本支持直接通過 Gemini API 上傳和查詢文檔，無需瀏覽器自動化操作。
• Notebook 自動化創建：從 v1.7.0 版本起，可通過代碼完全自動化創建 NotebookLM 的 Notebook。
• 安全強化：增加 14 層安全防護，保護敏感數據。
• 多平臺支持：原生支持 Linux、macOS 和 Windows 操作系統。
• 企業合規：支持 GDPR、SOC2 和 CSSF 等行業合規要求。

📦 安裝指南

Claude Code

claude mcp add notebooklm -- npx @pan-sec/notebooklm-mcp@latest

推薦：帶認證和 Gemini 配置

claude mcp add notebooklm \
  --env NLMCP_AUTH_ENABLED=true \
  --env NLMCP_AUTH_TOKEN=$(openssl rand -base64 32) \
  --env GEMINI_API_KEY=your-gemini-api-key \
  -- npx @pan-sec/notebooklm-mcp@latest

Codex

codex mcp add notebooklm -- npx @pan-sec/notebooklm-mcp@latest

{
  "mcpServers": {
    "notebooklm": {
      "command": "npx",
      "args": ["-y", "@pan-sec/notebooklm-mcp@latest"],
      "env": {
        "NLMCP_AUTH_ENABLED": "true",
        "NLMCP_AUTH_TOKEN": "your-secure-token",
        "GEMINI_API_KEY": "your-gemini-api-key"
      }
    }
  }
}

{
  "mcpServers": {
    "notebooklm": {
      "command": "npx",
      "args": ["-y", "@pan-sec/notebooklm-mcp@latest"],
      "env": {
        "NLMCP_AUTH_ENABLED": "true",
        "NLMCP_AUTH_TOKEN": "your-secure-token",
        "GEMINI_API_KEY": "your-gemini-api-key"
      }
    }
  }
}

💻 使用示例

基礎用法

研究後量子密碼學在金融服務中的安全影響

"Research the security implications of post-quantum cryptography adoption in financial services"

查詢 2025 年 Log4j 的最新 CVE

"What are the latest CVEs for Log4j in 2025?" (with Google Search)

計算 10000 美元在 5% 利率下 10 年的複利

"Calculate the compound interest on $10,000 at 5% over 10 years" (with code execution)

總結安全公告

"Summarize this security advisory: [URL]" (with URL context)

高級用法

創建包含多個來源的 Notebook

{
  "name": "Security Research 2025",
  "sources": [
    { "type": "url", "value": "https://owasp.org/Top10" },
    { "type": "file", "value": "/path/to/security-report.pdf" },
    { "type": "text", "value": "Custom analysis notes...", "title": "My Notes" }
  ],
  "description": "OWASP security best practices",
  "topics": ["security", "owasp", "vulnerabilities"]
}

批量創建 Notebook

{
  "notebooks": [
    { "name": "React Docs", "sources": [{ "type": "url", "value": "https://react.dev/reference" }] },
    { "name": "Node.js API", "sources": [{ "type": "url", "value": "https://nodejs.org/api/" }] },
    { "name": "TypeScript Handbook", "sources": [{ "type": "url", "value": "https://www.typescriptlang.org/docs/" }] }
  ]
}

📚 詳細文檔

Gemini 深度研究（v1.8.0）

v1.8.0 版本引入了穩定的 Gemini 交互 API，作為基於 API 的研究後端，與瀏覽器自動化功能並存。這使得智能體能夠訪問 Google 先進的深度研究智能體。

重要性說明

新工具

• deep_research：全面研究智能體

"Research the security implications of post-quantum cryptography adoption in financial services"

- 運行 Google 的 **深度研究智能體**（與 Gemini Advanced 相同）
- 完成全面的網絡研究分析需 1 - 5 分鐘
- 返回帶 **引用和來源** 的結構化答案
- 適用於需要多源綜合分析的複雜主題

• gemini_query：快速查詢工具

"What are the latest CVEs for Log4j in 2025?" (with Google Search)
"Calculate the compound interest on $10,000 at 5% over 10 years" (with code execution)
"Summarize this security advisory: [URL]" (with URL context)

- **Google Search 支持**：獲取最新信息，而非僅依賴訓練數據
- **代碼執行**：運行計算、數據分析等任務
- **URL 上下文**：按需分析網頁
- 支持模型：`gemini-2.5-flash`（快速）、`gemini-2.5-pro`（強大）、`gemini-3-flash-preview`（最新）

• get_research_status：後臺任務監控 在後臺運行深度研究並檢查進度：

"Start researching [topic] in the background"
... continue other work ...
"Check research status for interaction_abc123"

混合架構

┌──────────────────────────────────────────────────────────────────────────────┐
│                         NotebookLM MCP Server v1.9.0                         │
├──────────────────────────────────────────────────────────────────────────────┤
│                                                                              │
│  ┌────────────────────────────────┐    ┌──────────────────────────────────┐  │
│  │      BROWSER AUTOMATION        │    │          GEMINI API              │  │
│  │      (Your Documents)          │    │    (Research & Documents)        │  │
│  ├────────────────────────────────┤    ├──────────────────────────────────┤  │
│  │                                │    │                                  │  │
│  │  QUERY                         │    │  RESEARCH                  v1.8  │  │
│  │  • ask_question                │    │  • deep_research                 │  │
│  │                                │    │  • gemini_query                  │  │
│  │  CREATE & MANAGE         v1.7  │    │  • get_research_status           │  │
│  │  • create_notebook             │    │                                  │  │
│  │  • batch_create_notebooks      │    │  DOCUMENTS (NEW!)          v1.9  │  │
│  │  • manage_sources              │    │  • upload_document               │  │
│  │  • generate_audio              │    │  • query_document                │  │
│  │  • sync_notebook               │    │  • list_documents                │  │
│  │                                │    │  • delete_document               │  │
│  │  Grounded on YOUR docs         │    │                                  │  │
│  │  Permanent storage             │    │  Fast API • 48h retention        │  │
│  └────────────────────────────────┘    └──────────────────────────────────┘  │
│                                                                              │
│                      ┌─────────────────────────────────┐                     │
│                      │       14 SECURITY LAYERS        │                     │
│                      │   Post-Quantum • Audit Logs     │                     │
│                      │   Cert Pinning • Memory Wipe    │                     │
│                      │   GDPR • SOC2 • CSSF Ready      │                     │
│                      └─────────────────────────────────┘                     │
└──────────────────────────────────────────────────────────────────────────────┘

Gemini 配置

# Required for Gemini features
GEMINI_API_KEY=your-api-key          # Get from https://aistudio.google.com/apikey

# Optional settings
GEMINI_DEFAULT_MODEL=gemini-2.5-flash    # Default model
GEMINI_DEEP_RESEARCH_ENABLED=true        # Enable Deep Research
GEMINI_TIMEOUT_MS=30000                  # API timeout

使用場景建議

📄 文檔 API（v1.9.0）

v1.9.0 版本引入了 Gemini 文件 API，用於快速、可靠的文檔分析。支持上傳 PDF 文件，即時分析，並可在使用後刪除。

重要性說明

新工具

• upload_document：快速文檔上傳 上傳任何文檔到 Gemini 進行即時查詢：

Upload /path/to/research-paper.pdf

- **支持格式**：PDF（50MB，1000 頁）、TXT、MD、HTML、CSV、JSON、DOCX、圖像、音頻、視頻
- **48 小時保留期**：文件自動過期，也可手動刪除
- 返回文件 ID 用於查詢

• query_document：文檔查詢

"What are the main findings in this research paper?"
"Summarize section 3 of the document"
"Extract all statistics mentioned in the PDF"

- 全面理解文檔內容（文本、表格、圖表、示意圖）
- 支持多文檔查詢（比較多個文件）
- 快速 API 響應（無需等待瀏覽器操作）

• list_documents：查看所有上傳文件

List all my uploaded documents

顯示文件名、大小、MIME 類型和過期時間。

• delete_document：清理敏感文件

Delete file xyz123

立即刪除文件（無需等待 48 小時過期）。

工作流示例

1. upload_document("/research/paper.pdf")
   → Returns: files/abc123

2. query_document("files/abc123", "What methodology was used?")
   → Returns: "The paper uses a mixed-methods approach combining..."

3. query_document("files/abc123", "List all cited authors")
   → Returns: "Smith et al. (2024), Johnson (2023)..."

4. delete_document("files/abc123")
   → File removed

大 PDF 自動分塊（v1.10.0）

無文件大小限制 — 任何大小的 PDF 文件都會自動處理。 當上傳超過 Gemini 限制（50MB 或 1000 頁）的 PDF 文件時，系統會自動：

1. 檢測 超大 PDF 文件
2. 分割 為最佳塊（每個 500 頁）
3. 並行上傳 所有塊
4. 返回 塊元數據用於查詢

upload_document("/research/massive-2000-page-report.pdf")

→ Returns:
{
  "wasChunked": true,
  "totalPages": 2000,
  "chunks": [
    { "fileName": "files/abc1", "pageStart": 1, "pageEnd": 500 },
    { "fileName": "files/abc2", "pageStart": 501, "pageEnd": 1000 },
    { "fileName": "files/abc3", "pageStart": 1001, "pageEnd": 1500 },
    { "fileName": "files/abc4", "pageStart": 1501, "pageEnd": 2000 }
  ],
  "allFileNames": ["files/abc1", "files/abc2", "files/abc3", "files/abc4"]
}

query_chunked_document：多塊文檔查詢

對於分塊的文檔，使用此工具查詢所有塊並獲取彙總答案：

query_chunked_document(
  file_names: ["files/abc1", "files/abc2", "files/abc3", "files/abc4"],
  query: "What are the key recommendations in this report?"
)

→ Queries each chunk, then synthesizes a unified answer

文檔 API 與 NotebookLM 使用場景對比

Notebook 自動化創建（v1.7.0+）

大多數 MCP 服務器只能讀取 NotebookLM 的內容，而此版本可以通過代碼 創建 Notebook、添加來源和生成音頻。

create_notebook：快速創建 Notebook

使用一個命令創建包含多個來源的完整 Notebook：

{
  "name": "Security Research 2025",
  "sources": [
    { "type": "url", "value": "https://owasp.org/Top10" },
    { "type": "file", "value": "/path/to/security-report.pdf" },
    { "type": "text", "value": "Custom analysis notes...", "title": "My Notes" }
  ],
  "description": "OWASP security best practices",
  "topics": ["security", "owasp", "vulnerabilities"]
}

支持的來源類型：

• URL — 網頁、文檔、文章
• 文件 — PDF、DOCX、TXT 等
• 文本 — 原始文本、代碼片段、筆記

batch_create_notebooks：批量創建

一次最多可創建 10 個 Notebook：

{
  "notebooks": [
    { "name": "React Docs", "sources": [{ "type": "url", "value": "https://react.dev/reference" }] },
    { "name": "Node.js API", "sources": [{ "type": "url", "value": "https://nodejs.org/api/" }] },
    { "name": "TypeScript Handbook", "sources": [{ "type": "url", "value": "https://www.typescriptlang.org/docs/" }] }
  ]
}

適用於：

• 建立項目文檔庫
• 為新團隊成員創建知識基礎
• 批量創建特定主題的研究 Notebook

manage_sources：動態來源管理

添加或刪除現有 Notebook 中的來源：

{
  "notebook_id": "abc123",
  "action": "add",
  "sources": [{ "type": "url", "value": "https://new-documentation.com" }]
}

generate_audio：音頻概述生成

通過代碼生成 NotebookLM 著名的 “音頻概述” 播客：

"Generate an audio overview for my Security Research notebook"

sync_notebook：同步來源

從本地目錄同步 Notebook 來源：

{
  "notebook_id": "abc123",
  "directory": "/path/to/docs",
  "patterns": ["*.md", "*.pdf"]
}

優勢對比

你的智能體現在可以自主構建完整的知識庫。

🔧 技術細節

為何選擇此分支版本

原始的 NotebookLM MCP 對提高生產力很有幫助，但 MCP 服務器會處理敏感數據，例如：

• 瀏覽器會話：包含 Google 認證信息
• 磁盤上存儲的 cookies 和令牌
• 可能包含專有信息的查詢歷史記錄

此分支版本添加了 14 層安全強化 來保護這些數據。

安全特性

後量子加密準備

傳統加密算法（RSA、ECDH）將被量子計算機破解。此分支版本使用 混合加密：

ML-KEM-768 (Kyber) + ChaCha20-Poly1305

• ML-KEM-768：NIST 標準化的後量子密鑰封裝算法
• ChaCha20-Poly1305：現代流密碼算法（抗時序攻擊） 即使一種算法被破解，另一種仍能保證安全。

跨平臺支持

全面原生支持所有主流操作系統：

企業合規（v1.6.0+）

全面支持受監管行業的合規要求：

合規工具（16 個 MCP 工具）

compliance_dashboard    - Real-time compliance status
compliance_report       - Generate audit reports (JSON/CSV/HTML)
compliance_evidence     - Collect evidence packages
grant_consent          - Record user consent
submit_dsar            - Handle data subject requests
request_erasure        - Right to be forgotten
export_user_data       - Data portability export
create_incident        - Security incident management
...and 8 more

完整文檔請參閱 COMPLIANCE-SPEC.md。

工具完整參考

研究工具

Notebook 管理

來源管理（v1.7.0+）

會話與系統

合規（v1.6.0+）

16 個合規工具，滿足 GDPR、SOC2 和 CSSF 要求。

受保護的數據

配置說明

所有安全特性 默認啟用。可以通過環境變量進行覆蓋配置：

# Authentication
NLMCP_AUTH_ENABLED=true
NLMCP_AUTH_TOKEN=your-secret-token

# Gemini API (v1.8.0+)
GEMINI_API_KEY=your-api-key
GEMINI_DEFAULT_MODEL=gemini-2.5-flash
GEMINI_DEEP_RESEARCH_ENABLED=true
GEMINI_TIMEOUT_MS=30000

# Encryption
NLMCP_USE_POST_QUANTUM=true
NLMCP_ENCRYPTION_KEY=base64-32-bytes  # Optional custom key

# Session Limits
NLMCP_SESSION_MAX_LIFETIME=28800  # 8 hours
NLMCP_SESSION_INACTIVITY=1800     # 30 minutes

# Secrets Scanning
NLMCP_SECRETS_SCANNING=true
NLMCP_SECRETS_BLOCK=false         # Block on detection
NLMCP_SECRETS_REDACT=true         # Auto-redact

# Certificate Pinning
NLMCP_CERT_PINNING=true

# Audit Logging
NLMCP_AUDIT_ENABLED=true

完整配置參考請參閱 SECURITY.md。

安全掃描

運行 MEDUSA 安全掃描器：

npm run security-scan

或集成到 CI/CD 流程中：

- name: Security Scan
  run: npx @pan-sec/notebooklm-mcp && npm run security-scan

功能對比

版本歷史

📄 許可證

本項目採用 MIT 許可證，與原始項目相同。