Notebooklm MCP Secure

🚀 NotebookLM MCP Server（安全强化版）

借助 NotebookLM 和 Gemini 深度研究功能，实现零幻觉回答，同时具备企业级安全保障

该项目结合了 NotebookLM 和 Gemini 深度研究的强大能力，为用户提供准确可靠的回答。同时，通过 14 层安全强化，确保敏感数据得到妥善保护，适用于处理各类敏感信息的企业场景。

• • • 安全特性 • 安装步骤

本项目是 PleasePrompto/notebooklm-mcp 的安全强化分支版本。 由 Pantheon Security 维护。

🚀 快速开始

1. 安装（详见下文）

2. 认证

"Log me in to NotebookLM"

Chrome 浏览器将打开，使用 Google 账号登录

3. 添加 Notebook

访问 notebooklm.google.com → 创建 Notebook → 上传文档 → 分享链接

4. 使用服务

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

5. 尝试深度研究（新功能！）

"Use deep research to investigate [complex topic]"

✨ 主要特性

• Gemini 深度研究：v1.8.0 版本引入稳定的 Gemini 交互 API，为 AI 智能体提供强大的研究能力。
• 文档 API：v1.9.0 版本支持直接通过 Gemini API 上传和查询文档，无需浏览器自动化操作。
• Notebook 自动化创建：从 v1.7.0 版本起，可通过代码完全自动化创建 NotebookLM 的 Notebook。
• 安全强化：增加 14 层安全防护，保护敏感数据。
• 多平台支持：原生支持 Linux、macOS 和 Windows 操作系统。
• 企业合规：支持 GDPR、SOC2 和 CSSF 等行业合规要求。

📦 安装指南

Claude Code

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

推荐：带认证和 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

基础用法

研究后量子密码学在金融服务中的安全影响

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

查询 2025 年 Log4j 的最新 CVE

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

计算 10000 美元在 5% 利率下 10 年的复利

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

总结安全公告

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

高级用法

创建包含多个来源的 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"]
}

批量创建 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/" }] }
  ]
}

📚 详细文档

Gemini 深度研究（v1.8.0）

v1.8.0 版本引入了稳定的 Gemini 交互 API，作为基于 API 的研究后端，与浏览器自动化功能并存。这使得智能体能够访问 Google 先进的深度研究智能体。

重要性说明

新工具

• deep_research：全面研究智能体

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

- 运行 Google 的 **深度研究智能体**（与 Gemini Advanced 相同）
- 完成全面的网络研究分析需 1 - 5 分钟
- 返回带 **引用和来源** 的结构化答案
- 适用于需要多源综合分析的复杂主题

• gemini_query：快速查询工具

"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**：获取最新信息，而非仅依赖训练数据
- **代码执行**：运行计算、数据分析等任务
- **URL 上下文**：按需分析网页
- 支持模型：`gemini-2.5-flash`（快速）、`gemini-2.5-pro`（强大）、`gemini-3-flash-preview`（最新）

• get_research_status：后台任务监控 在后台运行深度研究并检查进度：

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

混合架构

┌──────────────────────────────────────────────────────────────────────────────┐
│                         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

使用场景建议

📄 文档 API（v1.9.0）

v1.9.0 版本引入了 Gemini 文件 API，用于快速、可靠的文档分析。支持上传 PDF 文件，即时分析，并可在使用后删除。

重要性说明

新工具

• upload_document：快速文档上传 上传任何文档到 Gemini 进行即时查询：

Upload /path/to/research-paper.pdf

- **支持格式**：PDF（50MB，1000 页）、TXT、MD、HTML、CSV、JSON、DOCX、图像、音频、视频
- **48 小时保留期**：文件自动过期，也可手动删除
- 返回文件 ID 用于查询

• query_document：文档查询

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

- 全面理解文档内容（文本、表格、图表、示意图）
- 支持多文档查询（比较多个文件）
- 快速 API 响应（无需等待浏览器操作）

• list_documents：查看所有上传文件

List all my uploaded documents

显示文件名、大小、MIME 类型和过期时间。

• delete_document：清理敏感文件

Delete file xyz123

立即删除文件（无需等待 48 小时过期）。

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 自动分块（v1.10.0）

无文件大小限制 — 任何大小的 PDF 文件都会自动处理。 当上传超过 Gemini 限制（50MB 或 1000 页）的 PDF 文件时，系统会自动：

1. 检测 超大 PDF 文件
2. 分割 为最佳块（每个 500 页）
3. 并行上传 所有块
4. 返回 块元数据用于查询

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：多块文档查询

对于分块的文档，使用此工具查询所有块并获取汇总答案：

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

文档 API 与 NotebookLM 使用场景对比

Notebook 自动化创建（v1.7.0+）

大多数 MCP 服务器只能读取 NotebookLM 的内容，而此版本可以通过代码 创建 Notebook、添加来源和生成音频。

create_notebook：快速创建 Notebook

使用一个命令创建包含多个来源的完整 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"]
}

支持的来源类型：

• URL — 网页、文档、文章
• 文件 — PDF、DOCX、TXT 等
• 文本 — 原始文本、代码片段、笔记

batch_create_notebooks：批量创建

一次最多可创建 10 个 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/" }] }
  ]
}

适用于：

• 建立项目文档库
• 为新团队成员创建知识基础
• 批量创建特定主题的研究 Notebook

manage_sources：动态来源管理

添加或删除现有 Notebook 中的来源：

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

generate_audio：音频概述生成

通过代码生成 NotebookLM 著名的 “音频概述” 播客：

"Generate an audio overview for my Security Research notebook"

sync_notebook：同步来源

从本地目录同步 Notebook 来源：

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

优势对比

你的智能体现在可以自主构建完整的知识库。

🔧 技术细节

为何选择此分支版本

原始的 NotebookLM MCP 对提高生产力很有帮助，但 MCP 服务器会处理敏感数据，例如：

• 浏览器会话：包含 Google 认证信息
• 磁盘上存储的 cookies 和令牌
• 可能包含专有信息的查询历史记录

此分支版本添加了 14 层安全强化 来保护这些数据。

安全特性

后量子加密准备

传统加密算法（RSA、ECDH）将被量子计算机破解。此分支版本使用 混合加密：

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

• ML-KEM-768：NIST 标准化的后量子密钥封装算法
• ChaCha20-Poly1305：现代流密码算法（抗时序攻击） 即使一种算法被破解，另一种仍能保证安全。

跨平台支持

全面原生支持所有主流操作系统：

企业合规（v1.6.0+）

全面支持受监管行业的合规要求：

合规工具（16 个 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

完整文档请参阅 COMPLIANCE-SPEC.md。

工具完整参考

研究工具

Notebook 管理

来源管理（v1.7.0+）

会话与系统

合规（v1.6.0+）

16 个合规工具，满足 GDPR、SOC2 和 CSSF 要求。

受保护的数据

配置说明

所有安全特性 默认启用。可以通过环境变量进行覆盖配置：

# 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

完整配置参考请参阅 SECURITY.md。

安全扫描

运行 MEDUSA 安全扫描器：

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

功能对比

版本历史

📄 许可证

本项目采用 MIT 许可证，与原始项目相同。