notebooklm-mcp-secure

唯一具备企业级安全、后量子加密和完整 Gemini API 集成的 NotebookLM MCP 服务。

基于 PleasePrompto/notebooklm-mcp 的安全强化分支 • 由 Pantheon Security 维护

⚡ 简而言之——你将获得

• 🔍 查询 NotebookLM 笔记本 — 基于来源、零幻觉的回答
• 📚 以编程方式创建和管理笔记本 — 无需手动点击
• 🎙️ 生成音频概览 — 以播客形式总结文档
• 🎬 生成视频概览 — 提供 10 种视觉风格的 AI 视频摘要 新功能
• 📊 提取数据表格 — 从笔记本来源生成结构化 JSON 新功能
• 🔬 Gemini 3 + Deep Research — 支持思维控制的最新模型（可选 API） 新功能
• 📄 文档 API — 无需浏览器即可上传和查询 PDF（可选 API）
• 🔐 17 层安全防护 — 后量子加密、审计日志、密钥扫描
• ✅ 满足合规要求的架构 — 按照 GDPR、SOC2 和 CSSF 标准构建（已实施控制措施；正式认证需经第三方审计）
• 💡 无需 API 密钥 — 核心功能仅需浏览器身份验证即可使用

🚀 2026 年新功能

最新版本：v2026.3.1 — 已解决全部 334 个审计问题。631 项测试。完全符合 MCP 协议。

# Quick install
claude mcp add notebooklm -- npx @pan-sec/notebooklm-mcp@latest

为什么选择这个 MCP？

🔬 2026 年安全审计——发现与修复的问题

2026 年 4 月，我们委托使用 4 名专业 AI 代码审查员，对 v2026.2.11（main @ 2973097）进行了并行深度审计。每名审查员分别专注于不同的攻击面：安全漏洞、协议正确性、架构质量以及测试缺口和边缘情况。4 名审查员独立工作，以免彼此影响审查结果。他们共整理出一份包含 334 项问题的主问题清单，涉及协议正确性、安全漏洞、架构缺陷、测试缺口和文档准确性。所有 334 项问题均已在 v2026.3.0 和 v2026.3.1 中修复。

审计数据一览

4 名审查员的发现

安全审查员： 发现 validateToken() 中的 forceAuth 绕过问题，导致未经身份验证即可访问文件系统工具；Webhook 可通过未经验证的投递目标发起 SSRF；读取时未验证审计日志哈希链；并发写入审计日志时条目会交错；认证令牌盐值未持久化（重启后令牌失效）。

协议审查员： 发现 38 个工具返回的响应格式不正确（缺少 structuredContent、isError 语义错误、传输标签泄漏到内容中）；全部 48 个工具的 readOnlyHint/idempotentHint/destructiveHint 注解都不正确或缺失；9 个工具的架构缺少数值范围限制，可能导致输入超出范围。

架构审查员： 指出 3,611 行的 handlers.ts 难以维护；领域函数中到处导入单例，导致无法进行单元测试；500 行的 switch/case 分发增加了 O(n) 开销，也使工具注册容易出错。

测试与边缘情况审查员： 发现测试套件仅有 139 项测试，对安全关键模块的覆盖很少；mcp-auth.ts 的覆盖率接近零；没有针对提示词注入模式、审计日志篡改或并发浏览器会话状态的测试；DSAR 处理程序存在未被发现的竞态条件。

关键修复

• 修复了 17 个安全漏洞（认证绕过、SSRF、审计完整性、竞态条件、选择器注入漏洞）
• MCP 协议完全合规——全部 48 个工具均返回正确的 structuredContent/isError 格式；注解准确；强制执行架构范围限制
• 拆分架构——将 handlers.ts 拆分为 9 个领域模块，并通过 HandlerContext 注入依赖；无需进程模拟即可进行 100% 的单元测试
• 测试覆盖——新增 15 个安全关键测试套件，涵盖浏览器会话、认证、提示词注入、审计日志、Webhook、DSAR 和合规性
• 声明与实际一致——移除证书固定（该实现已在审计第 1 天撤回）；准确说明 PQ 加密的适用范围；合规性措辞使用“已实施控制措施”，而非“已认证”

Gemini 深度研究（v1.8.0）

为 AI Agent 提供最强大的研究能力——现已集成到你的 MCP 工具包中。

v1.8.0 将 Gemini Interactions API 引入为稳定、基于 API 的研究后端，并与浏览器自动化并行使用。这让你的 Agent 可以使用 Google 最先进的 Deep Research Agent。

重要意义

新工具

deep_research——全面的研究 Agent

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

• 运行 Google 的 Deep Research Agent（与 Gemini Advanced 中相同）
• 进行全面且基于网络的分析需要 1–5 分钟
• 返回带有引用和来源的结构化答案
• 非常适合需要综合多个来源的复杂主题

gemini_query — 快速事实依据查询

"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 grounding — 获取当前信息，而不只是训练数据
• 代码执行 — 执行计算和数据分析
• URL context — 按需分析网页
• 模型：gemini-3-flash-preview（默认）、gemini-3-pro-preview（性能强大）、gemini-2.5-flash（旧版）

get_research_status — 后台任务监控

在后台运行深度研究并查看进度：

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

混合架构

┌──────────────────────────────────────────────────────────────────────────────┐
│                      NotebookLM MCP Server v2026.3.x                         │
├──────────────────────────────────────────────────────────────────────────────┤
│                                                                              │
│  ┌────────────────────────────────┐    ┌──────────────────────────────────┐  │
│  │      BROWSER AUTOMATION        │    │          GEMINI API              │  │
│  │    ✅ NO API KEY NEEDED        │    │    ⚡ OPTIONAL - needs API key   │  │
│  ├────────────────────────────────┤    ├──────────────────────────────────┤  │
│  │                                │    │                                  │  │
│  │  QUERY                         │    │  RESEARCH                        │  │
│  │  • ask_question                │    │  • deep_research                 │  │
│  │  • get_notebook_chat_history   │    │  • gemini_query                  │  │
│  │                                │    │  • get_research_status           │  │
│  │  CREATE & MANAGE               │    │                                  │  │
│  │  • create_notebook             │    │  DOCUMENTS                       │  │
│  │  • batch_create_notebooks      │    │  • upload_document               │  │
│  │  • manage_sources              │    │  • query_document                │  │
│  │  • generate_audio              │    │  • query_chunked_document        │  │
│  │  • generate_video_overview     │    │  • list/delete_document          │  │
│  │  • generate_data_table         │    │                                  │  │
│  │  • sync_notebook               │    │                                  │  │
│  │                                │    │                                  │  │
│  │  HEALTH & SESSIONS     v2026   │    │                                  │  │
│  │  • get_health (deep_check)     │    │  Fast API • 48h retention        │  │
│  │  • get_query_history           │    │  Auto-chunking for large PDFs    │  │
│  └────────────────────────────────┘    └──────────────────────────────────┘  │
│                                                                              │
│                      ┌─────────────────────────────────┐                     │
│                      │       17 SECURITY LAYERS        │                     │
│                      │   Post-Quantum • Audit Logs     │                     │
│                      │   Secrets Scan • Memory Wipe    │                     │
│                      │  GDPR • SOC2 • CSSF Ready*      │                     │
│                      └─────────────────────────────────┘                     │
└──────────────────────────────────────────────────────────────────────────────┘

💡 Gemini API 完全可选！ 所有 NotebookLM 核心功能（ask_question、notebooks、sessions、audio）都可通过浏览器自动化使用，无需 API 密钥。以下 Gemini 工具是额外功能，供希望直接访问 API 的用户使用。

Gemini 配置（可选）

# Only required if you want Gemini API features (deep_research, gemini_query, upload_document)
GEMINI_API_KEY=your-api-key          # Get from https://aistudio.google.com/apikey

# Optional settings
GEMINI_DEFAULT_MODEL=gemini-3-flash-preview  # Default model (was gemini-2.5-flash)
GEMINI_DEEP_RESEARCH_ENABLED=true            # Enable Deep Research
GEMINI_TIMEOUT_MS=30000                      # API timeout

如何选择工具

📄 文档 API（v1.9.0）

通过 Gemini API 直接上传和查询文档 — 无需浏览器自动化。

v1.9.0 引入了 Gemini Files API，用于快速、可靠地分析文档。上传 PDF 后即可立即分析，完成后可将其删除。

这为何重要

新工具

upload_document — 快速上传文档

将任意文档上传到 Gemini，以便立即查询：

Upload /path/to/research-paper.pdf

• 支持的格式：PDF（50MB，1000 页）、TXT、MD、HTML、CSV、JSON、DOCX、图像、音频、视频
• 保留 48 小时 — 文件会自动过期，也可以手动删除
• 返回用于查询的文件 ID

query_document — 提出有关文档的问题

"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）
• 多文档查询（比较多个文件）
• API 响应快（无需等待浏览器）

list_documents — 查看所有已上传文件

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

立即移除文件（无需等待 48 小时后过期）。

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

大型 PDF 自动分块（v1.10.0）

无文件大小限制 — 系统会自动处理任意大小的 PDF。

上传的 PDF 超出 Gemini 限制（50MB 或 1000 页）时，系统会自动：

1. 检测超大 PDF
2. 拆分为最佳大小的分块（每块 500 页）
3. 上传所有分块（并行处理）
4. 返回用于查询的分块元数据

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 — 一次查询所有分块

对于分块文档，使用此工具查询所有部分并获取汇总答案：

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

何时使用文档 API，何时使用 NotebookLM

以编程方式创建笔记本（v1.7.0+）

完全通过代码创建 NotebookLM 笔记本，无需手动点击。

大多数 MCP 服务只能从 NotebookLM 读取 内容。此服务可以创建笔记本、添加来源并生成音频——全部以编程方式完成。

create_notebook — 即刻构建笔记本

通过一条命令创建包含多个来源的完整笔记本：

{
  "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
• File — PDF、DOCX、TXT 等
• Text — 原始文本、代码片段、笔记

batch_create_notebooks — 扩大规模

单次操作即可创建最多 10 个笔记本：

{
  "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/" }] }
  ]
}

非常适合：

• 搭建项目文档库
• 为新团队成员准备精选知识库，帮助其快速上手
• 批量创建特定主题的研究笔记本

manage_sources — 动态管理来源

从现有笔记本中添加或移除来源：

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

generate_audio — 创建音频概览

以编程方式生成 NotebookLM 著名的“Audio Overview”播客：

"Generate an audio overview for my Security Research notebook"

sync_notebook — 保持来源更新

从本地目录同步笔记本来源：

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

这样做的意义

现在，你的 Agent 可以自主构建完整的知识库。

🎬 视频概览与数据表（v2026.2.0）

以编程方式为任意笔记本生成 AI 视觉摘要并提取结构化数据。

NotebookLM 的 Studio 面板现在提供视频概览和数据表，以及音频概览。本次发布为这两项功能带来了全面自动化。

generate_video_overview — AI 视频摘要

以 10 种视觉风格生成笔记本内容的视频概览：

两种格式：

• Explainer — 完整讲解（5-15 分钟）
• Brief — 快速摘要（1-3 分钟）

"Generate a kawaii-style brief video overview for my Security Research notebook"

get_video_status — 检查生成进度

视频生成需要 3-10 分钟。检查进度：

"Check video status for my Security Research notebook"
→ { "status": "generating", "progress": 0 }
→ { "status": "ready" }

generate_data_table — 提取结构化数据

根据笔记本来源生成结构化表格。NotebookLM 会将关键信息提取到行和列中：

"Generate a data table for my research notebook"

get_data_table — 将表格提取为 JSON

将生成的表格提取为结构化 JSON，以便处理：

"Get the data table from my research notebook"
→ {
    "headers": ["Title", "Year", "Key Finding", "Methodology", ...],
    "rows": [["Paper A", "2025", "Finding X", "Survey", ...], ...],
    "totalRows": 27,
    "totalColumns": 7
  }

如何选择 Studio 功能

📊 查询历史与聊天内容提取（v2026.1.0）

跟踪研究记录，并从 NotebookLM 笔记本中恢复对话。

get_query_history — 查看过往研究（v1.10.8）

通过 MCP 发出的所有查询都会自动记录，供后续查看：

"Show me my recent NotebookLM queries"
"Find queries about security from last week"
"What did I ask the fine-tuning notebook?"

• 自动记录 — 保存每组问答及其元数据
• 搜索 — 在所有查询中查找特定主题
• 筛选 — 按笔记本、会话或日期筛选
• 配额跟踪 — 查看查询次数和耗时

get_notebook_chat_history — 提取浏览器对话（v2026.1.0）

直接从 NotebookLM 笔记本的聊天界面提取对话历史，并通过上下文管理避免占满 AI 上下文窗口：

快速审查（预览模式）：

{ "notebook_id": "my-research", "preview_only": true }

仅返回消息数量，不包含内容——先试试看，再提取内容。

导出到文件（避免上下文溢出）：

{ "notebook_id": "my-research", "output_file": "/tmp/chat-history.json" }

将完整历史记录写入磁盘，而不是返回到上下文中。

分页浏览历史记录：

{ "notebook_id": "my-research", "limit": 20, "offset": 0 }
{ "notebook_id": "my-research", "limit": 20, "offset": 20 }

逐页浏览较长的历史记录，无需一次性全部加载。

返回内容：

{
  "notebook_url": "https://notebooklm.google.com/notebook/xxx",
  "notebook_name": "My Research",
  "total_messages": 150,
  "returned_messages": 40,
  "user_messages": 75,
  "assistant_messages": 75,
  "offset": 0,
  "has_more": true,
  "messages": [...]
}

使用场景：

• 恢复对话 — 找回直接在 NotebookLM 浏览器中进行的对话（MCP 不会跟踪这些对话）
• 审查研究 — 查看在笔记本中发起了哪些查询
• 延续上下文 — 从上一个会话中断的位置继续
• 核对配额 — 了解配额为何似乎不准确

为什么选择此分支？

原版 NotebookLM MCP 非常适合提高效率，但 MCP 服务会处理敏感数据：

• 通过 Google 身份验证的浏览器会话
• 存储在磁盘上的** Cookie 和令牌**
• 可能包含专有信息的查询历史

此分支增加了17 层安全强化措施，以保护这些数据。

安全功能

后量子密码原语（本地静态数据）

磁盘上机密信息的加密使用混合后量子密码原语：

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

• ML-KEM-768：NIST 标准化的后量子密钥封装机制
• ChaCha20-Poly1305：现代流密码（不受时序攻击影响）

坦诚说明范围：这是针对本地静态数据的加密。两个密钥都存放在同一台机器上——PQ 私钥由从机器绑定机密派生的经典密钥进行封装，而非由远程接收方持有。此机制可防止单个加密文件遭受离线盗窃，但无法防御“先收集、后解密”攻击（这类攻击需要由持有解封密钥的远程 PQ 接收方来应对）。

跨平台支持

全面原生支持所有主流操作系统：

在所有平台上，所有敏感文件（加密密钥、身份验证令牌、审计日志）都会自动设置为仅所有者可访问。

面向企业合规的架构（v1.6.0+）

按照受监管行业所需的标准构建。所有代码级技术控制均已实现——全面合规还需要组织流程控制（政策、培训、供应商管理）。正式认证（SOC2 Type II 报告、GDPR 注册、CSSF 提交）需要第三方审计。

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。

安装

开箱即用的功能（无需 API 密钥）

只需通过浏览器进行身份验证，即可立即使用所有核心 NotebookLM 功能：

**可选：**添加 GEMINI_API_KEY，即可使用 deep_research、gemini_query 和 upload_document 等额外功能。

如需可重复的身份验证测试，请参阅身份验证测试操作手册。

Claude Code

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

使用身份验证 + Gemini（推荐）

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"]
    }
  }
}

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

{
  "$schema": "https://opencode.ai/config.json",
  "mcp": {
    "notebooklm": {
      "type": "local",
      "command": ["npx", "-y", "@pan-sec/notebooklm-mcp@latest"],
      "enabled": true,
      "environment": {
        "GEMINI_API_KEY": "your-gemini-api-key"
      }
    }
  }
}

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

{
  "mcp": {
    "servers": {
      "notebooklm": {
        "command": "npx",
        "args": ["-y", "@pan-sec/notebooklm-mcp@latest"],
        "env": {
          "GEMINI_API_KEY": "your-gemini-api-key"
        }
      }
    }
  }
}

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

快速入门

1. 安装（见上文）

2. 进行身份验证

"Log me in to NotebookLM"

Chrome 会打开 → 使用 Google 账号登录

3. 添加笔记本

前往 notebooklm.google.com → 创建笔记本 → 上传文档 → 分享链接

4. 使用

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

5. 试用 Deep Research（新功能！）

"Use deep research to investigate [complex topic]"

完整工具参考

研究工具

笔记本管理

来源管理（v1.7.0+）

Studio 功能（v2026.2.0）

会话与系统

合规（v1.6.0+）

16 个合规工具，满足 GDPR、SOC2 和 CSSF 要求。

受保护的内容

配置

所有安全功能均默认启用。通过环境变量覆盖：

# 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-3-flash-preview  # Default (was gemini-2.5-flash)
GEMINI_DEEP_RESEARCH_ENABLED=true
GEMINI_TIMEOUT_MS=30000
NOTEBOOKLM_NO_GEMINI=false       # Set to true to disable all Gemini tools

# Tool Profiles
NOTEBOOKLM_PROFILE=standard      # minimal (5 tools) | standard (33 tools) | full (all 47)
NOTEBOOKLM_DISABLED_TOOLS=       # Comma-separated list of tools to hide

# 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

# Audit Logging
NLMCP_AUDIT_ENABLED=true

# Multi-Session Support (v2026.1.2+)
NOTEBOOK_PROFILE_STRATEGY=isolated  # isolated|single|auto
NOTEBOOK_CLONE_PROFILE=true         # Clone auth from base profile

多会话模式

使用隔离的浏览器配置文件，同时运行多个 Claude Code 会话：

# Add to ~/.bashrc or ~/.zshrc
export NOTEBOOK_PROFILE_STRATEGY=isolated
export NOTEBOOK_CLONE_PROFILE=true

工作原理：

• 每个会话都有自己的 Chrome 配置文件（不会发生锁冲突）
• 隔离配置文件从已通过身份验证的基础配置文件克隆而来
• 身份验证协调机制确保克隆会等待正在进行的身份验证完成

请参阅 SECURITY.md 了解完整的配置参考。

安全扫描

运行 MEDUSA 安全扫描器：

npm run security-scan

或集成到 CI/CD 中：

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

对比

与其他 NotebookLM MCP 的对比

安全与合规（此分支独有）

* 可为合规做好准备：已实施代码层面的技术控制措施。要实现全面合规，还需要组织流程控制措施，并通过第三方审计获得正式认证。

总之：如果你需要的不只是基础查询，或者重视安全，那么只有一个选择。

版本历史

报告漏洞

发现安全问题？请勿公开提交 GitHub 问题。

电子邮件：[email protected]

致谢

• 原始 MCP 服务：Gérôme Dexheimer — notebooklm-mcp
• 安全加固：Pantheon Security
• 后量子密码学：@noble/post-quantum
• Gemini API：Google AI

许可证

MIT — 与原项目相同。