A Google NotebookLM-et 2026 márciusában háromféleképpen kötheted össze a Claude-dal: egy Claude Code skill-lel, egy MCP szerverrel, vagy egy Python API-val. Mindhárom megoldás browser automáción alapul, mert a NotebookLM-nek nincs hivatalos API-ja. A skill a legegyszerűbb belépő, az MCP a legrugalmasabb, a Python API pedig a legteljesebb – de a stabilitásuk fordítottan arányos a tudásukkal.
Ha használod a Claude-ot és a NotebookLM-et, előbb-utóbb szembe fogsz találkozni azzal a problémával, hogy a kettő között folyamatosan copy-paste-elgetsz. Kérdezed a NotebookLM-et, kimásolod a választ, beilleszted a Claude-ba, ott generálsz valamit, aztán ha vissza akarsz tölteni, megint kézzel. Ez egy 10 perces feladatnál nem gáz, de ha napi szinten csinálod – legyen szó blogírásról, research-ről vagy akár ügyfélanyagok összerakásáról – akkor elég gyorsan idegesítővé válik.
A jó hír az, hogy a közösség nem ült a seggén a témában. 2025 végétől több open source projekt is megjelent, amelyek pontosan ezt a problémát oldják meg. A rossz hír: egyik sem hivatalos Google termék, mindegyik reverse-engineered megoldás, és bármelyik bekrepálhat egy Google-frissítéssel. De amíg működnek, nagyon hasznosak.
Nézzük végig mind a hármat. Előzetesen megjegyzem, hogy én egyelőre a skill-t használom mert ez a legtisztább, legbiztosabb és seperc alatt telepíthető megoldás. De ha kell, azonnal váltani fogok valószínűleg a Python-s megoldásra.
Tartalomjegyzék
A három megoldás egy helyen
Mielőtt belemennénk a részletekbe, itt egy gyors összehasonlítás, hogy átlásd a teljes képet:
| Szempont | Claude Code Skill | MCP szerver | notebooklm-py (Python API) |
|---|---|---|---|
| Repó | PleasePrompto/notebooklm-skill | PleasePrompto/notebooklm-mcp | teng-lin/notebooklm-py |
| GitHub csillagok | ~200+ | ~800+ | ~3100+ |
| Nyelv | Python (Patchright) | TypeScript (npm) | Python (pip/uv) |
| Kliens | Csak Claude Code (lokális) | Claude Code, Cursor, Codex, Gemini CLI, VS Code | Bármilyen Python környezet + saját CLI |
| Kérdezés | ✅ | ✅ | ✅ |
| Content generálás | ❌ | ❌ | ✅ (audio, video, quiz, slide, infographic, mind map) |
| Letöltés/export | ❌ | ❌ | ✅ (MP3, MP4, PDF, PPTX, CSV, JSON, Markdown) |
| Notebook kezelés | Alap (library) | Közepes (library + tag) | Teljes (CRUD, sharing, permissions) |
| Session | Stateless (minden kérdés új session) | Persistent | Persistent |
| Setup nehézség | Könnyű (~2 perc) | Közepes (~5 perc) | Nehezebb (~10-15 perc) |
| Stabilitás | Közepes | Közepes | Változó (undocumented API-k) |
Most nézzük egyenként, mit tudnak, és mikor melyiket érdemes választanod.
Claude Code Skill – a legegyszerűbb belépő
A PleasePrompto/notebooklm-skill egy Claude Code skill, ami lehetővé teszi, hogy a Claude Code CLI-ből közvetlenül kérdezz a NotebookLM notebook-jaidtól. A koncepció egyszerű: te kérdezel a Claude-tól, a Claude továbbítja a kérdést a NotebookLM-nek (browser automáción keresztül), a Gemini válaszol a te dokumentumaid alapján, és a válasz visszajön a Claude-ba.
A telepítés tényleg pár perc:
mkdir -p ~/.claude/skills
cd ~/.claude/skills
git clone https://github.com/PleasePrompto/notebooklm-skill notebooklm
Utána megnyitod a Claude Code-ot, és megkérdezed: „What are my skills?” – és már listázza is a NotebookLM-et. Az első használatkor megnyílik egy Chrome ablak a Google bejelentkezéshez, utána az auth megmarad a session-ök között.
Ami jó benne: nincs config file, nincs npm install, nincs semmi extra. Klónozod és működik. A skill Patchright-ot használ (ami egy Playwright fork), valódi Chrome-mal fut (nem Chromiummal), és van benne „humanizálás” is – reális gépelési sebesség, természetes kattintási mintázatok –, hogy a Google ne szúrja ki, hogy bot vagy.
Ami fontos korlát: minden egyes kérdés egy új browser session-t nyit, megkérdezi a NotebookLM-et, majd bezárja. Nincs folyamatos beszélgetés, nincs kontextus az előző kérdésből. Ha azt kérdezed, hogy „és mi volt az előző válaszban?”, nem fogja tudni. Ráadásul kizárólag a lokális Claude Code-dal működik – a webes Claude.ai felületen nem, mert ott sandbox-ban fut a skill, hálózati hozzáférés nélkül.
A notebook könyvtárkezelés viszont megoldott: el tudsz menteni NotebookLM linkeket tag-ekkel és leírással, és a Claude automatikusan kiválasztja a releváns notebook-ot a feladat alapján.
Ha csak annyit akarsz, hogy a Claude Code-ból kérdezhess a NotebookLM-től anélkül, hogy copy-paste-elnél, ez bőven elég.
MCP szerver – több kliens, persistent session
A PleasePrompto/notebooklm-mcp ugyanannak a fejlesztőnek a másik projektje, de ez már nem skill, hanem egy MCP (Model Context Protocol) szerver. A különbség nem csak technikai: az MCP szerver bármilyen MCP-kompatibilis klienssel működik, nem csak a Claude Code-dal.
Ez azt jelenti, hogy ugyanazt a NotebookLM könyvtárat használhatod Claude Code-ból, Cursor-ból, Codex-ből, Gemini CLI-ből, VS Code-ból vagy akár egy saját agent-ből. A setup kliensenként egy sor:
# Claude Code
claude mcp add notebooklm npx notebooklm-mcp@latest
# Codex
codex mcp add notebooklm -- npx notebooklm-mcp@latest
# Cursor – ~/.cursor/mcp.json-be kell beírni
A legnagyobb előny a skill-hez képest a persistent session. Az MCP szerver fenntartja a browser session-t, ami azt jelenti, hogy a Claude több kérdést tehet fel egymás után, és minden kérdés épít az előzőre. A gyakorlatban ez úgy néz ki, hogy a Claude automatikusan follow-up kérdéseket tesz fel, amíg nem érti teljesen a témát – és csak utána kezd el kódot írni vagy tartalmat generálni.
Van benne tool profile rendszer is, amivel csökkentheted a token-fogyasztást. Három profil közül választhatsz: a minimal csak 5 tool-t tölt be (kérdezés + alap kezelés), a standard 10-et (+ könyvtárkezelés), a full pedig mind a 16-ot (+ cleanup, session kezelés). Mivel minden tool kontextus-tokent fogyaszt, a minimális profil érezhetően gyorsabb és olcsóbb.
A korlátai hasonlóak a skill-éhez: nem tud tartalmat generálni a NotebookLM-ben (tehát nem csinál podcastet, videót, kvízt), és nem tud letölteni semmit. Kérdezni tud, könyvtárat kezelni tud, és ennyi. De ezt nagyon jól csinálja, és a cross-client kompatibilitás nagy előny, ha nem csak Claude Code-ot használsz.
notebooklm-py – a svájci bicska
A teng-lin/notebooklm-py egy teljesen más kategória. Ez nem skill és nem MCP szerver, hanem egy teljes Python SDK és CLI a NotebookLM-hez. 3100+ GitHub csillaggal ez messze a legnépszerűbb megoldás, és jó oka van: gyakorlatilag mindent tud, amit a NotebookLM webes felülete – sőt, néhány dolgot annál is többet.
A feature lista impresszív: notebook CRUD, source kezelés (URL, YouTube, PDF, Google Drive, szöveg), kérdezés, web és Drive research agent-ek, és a legfontosabb – content generálás. Audio Overview (podcast) 4 formátumban és 50+ nyelven, Video Overview 9 vizuális stílussal, slide deck, infographic, kvíz, flashcard, riport, adattáblázat, mind map. És mindezt le is tudod tölteni: MP3, MP4, PDF, PPTX, CSV, JSON, Markdown.
Telepítés:
pip install notebooklm-py
pip install "notebooklm-py[browser]"
playwright install chromium
A CLI is elég intuitív. Bejelentkezel (notebooklm login), létrehozol egy notebook-ot, hozzáadsz forrásokat, és utána kérdezel vagy generálsz tartalmat:
notebooklm create "Research projekt"
notebooklm source add "https://pelda.com/cikk"
notebooklm ask "Mik a fő témák?"
notebooklm generate audio "legyen informatív" --wait
notebooklm download audio ./podcast.mp3
Ami különösen érdekes marketingeseknek: a notebooklm-py Claude Code skill-ként is telepíthető a notebooklm skill install paranccsal. Ez azt jelenti, hogy a teljes SDK erejét kihasználhatod Claude Code-on belül, természetes nyelven. Mondhatsz olyat, hogy „Készíts egy podcastot a quantum computing-ról” vagy „Töltsd le a kvízt markdown-ban”, és a Claude megcsinálja.
A hátulütő: ez a legkomplexebb megoldás, és a legtörékenyebb is. A notebooklm-py nem dokumentált Google API-kat használ, amelyek bármikor változhatnak. A fejlesztők maguk is figyelmeztetnek, hogy ez prototípusokra és személyes projektekre való, nem produkciós használatra. A 0.3.3-as verzió 2026 márciusában a legfrissebb, 7 release van mögötte és aktív fejlesztés alatt áll – de a Google frissítéséből adódó „hirtelen nem működik” kockázata mindig ott van.
Mikor melyiket válaszd?
A döntés végül azon múlik, hogy mit akarsz elérni és mennyire vagy hajlandó beletenni a setup-ba.
Ha a fő igényed az, hogy ne kelljen copy-paste-elned a NotebookLM és a Claude között, és Claude Code-ot használsz lokálisan, akkor a skill a legjobb választás. Két perc alatt fent van, nincs config, és a legtöbb kérdés-válasz workflow-ra tökéletesen elegendő. Blogíráshoz, research-höz, ügyfélanyagok összeállításához pont jó.
Ha több AI eszközt használsz párhuzamosan (Claude Code mellett Cursor-t vagy Codex-et is), vagy ha fontos neked, hogy a kérdések között megmaradjon a kontextus, akkor az MCP szerver a jobb opció. A setup alig bonyolultabb, de a rugalmasság érezhetően nagyobb.
Ha pedig teljes content pipeline-t akarsz építeni – tehát nem csak kérdezni akarsz, hanem podcastot generálni, kvízt készíteni, slide deck-et exportálni, vagy automatizált research workflow-t futtatni –, akkor a notebooklm-py az egyetlen opció. De számolj vele, hogy a komplexitással együtt nő a törékenység is.
Ami fontos: ezek nem kizárólagos választások. Kezdhetsz a skill-lel, és ha kinövöd, átváltasz MCP-re. A notebooklm-py-t pedig bármikor hozzáadhatod a mixhez, ha content generálásra is szükséged van. A PleasePrompto fejlesztő maga is úgy pozicionálja a két projektjét, hogy a skill az egyszerű belépő, az MCP pedig a komolyabb használatra való.
Ami mindháromban közös (és amit tudnod kell)
Mielőtt bármelyiket telepítenéd, pár dolgot érdemes szem előtt tartanod.
Először is: a NotebookLM-nek nincs hivatalos API-ja. Ez azt jelenti, hogy minden megoldás valamilyen formában browser automatizállást vagy reverse-engineered belső API-t használ. A Google bármikor változtathat az interfészen, és ettől bármelyik projekt gallyra mehet. A notebooklm-py fejlesztői ezt nyíltan kommunikálják is a README-ben.
Másodszor: mindegyik megoldás lokálisan futtatja a Chrome-ot a te gépeden. A hitelesítő adataid nem hagyják el a gépedet, de érdemes egy dedikált Google fiókot használni az automatizáláshoz. Gondolj rá úgy, mint a web scrapingre: valószínűleg nem lesz belőle gond, de jobb az óvatosság.
Harmadszor: egyik sem működik a Claude.ai webes felületen. A skill és az MCP szerver is lokális Claude Code telepítést igényel. Ha kizárólag a webes felületet használod, ezek a megoldások nem lesznek elérhetők számodra – marad a copy-paste.
És végül: a NotebookLM legnagyobb erőssége ezekben az integrációkban az, hogy kizárólag a te dokumentumaidból válaszol. Nem hallucinál, nem talál ki dolgokat. Ha nincs benne az információ a feltöltött forrásaidban, azt mondja, hogy nem tudja. Ez különösen értékes olyan workflow-kban, ahol a pontosság kritikus – és épp ez az, amit a Claude önmagában nem tud garantálni, ha a saját tudásbázisából dolgozik.
GYIK
Kell hozzá programozói tudás?
A skill-hez gyakorlatilag nem – lemásolsz egy repót és kész. Az MCP szerver is egyszerű, ha már van Node.js a gépeden. A notebooklm-py-hoz Python ismeretek kellenek, főleg ha a Python API-t akarod használni (a CLI viszont elég egyszerű).
Mi történik, ha a Google megváltoztatja a NotebookLM felületét?
Eltörhet bármelyik megoldás. A notebooklm-py a legaktívabban karbantartott (486 commit, 7 release), tehát ott a legnagyobb az esély a gyors javításra. A PleasePrompto projektek kisebbek, de szintén aktívak.
Használhatom a Claude.ai webes felületéről?
Nem. Mindhárom megoldás lokális futtatást igényel (Claude Code, terminál, vagy saját Python script). A webes Claude.ai sandbox-ban fut, hálózati hozzáférés nélkül.
Mennyibe kerül?
Mindhárom projekt ingyenes és MIT licensz alatt érhető el. A NotebookLM maga is ingyenes, de van napi query limit a Google fiókonként. Ha ezt elérted, gyorsan tudsz fiókot váltani.
Érdemes megvárni a hivatalos Google API-t?
Ha a Google valaha kiad hivatalos NotebookLM API-t, az nyilván stabilabb lesz. De erre jelenleg semmi jel nincs, és ezek a közösségi megoldások most működnek. Ha szükséged van rá, használd – ha nem megy, megvárom amíg javítják és/vagy addig keresel másik megoldást.
Szójegyzék
MCP (Model Context Protocol) – Az Anthropic által fejlesztett nyílt protokoll, amely lehetővé teszi, hogy AI modellek (mint a Claude) külső eszközökhöz és adatforrásokhoz csatlakozzanak standardizált módon.
Claude Code – Az Anthropic parancssoros eszköze, ami lehetővé teszi, hogy a Claude közvetlenül a terminálból dolgozzon fájlokkal, kóddal és külső tool-okkal.
Skill (Claude Code kontextusban) – Egy újrafelhasználható képesség-csomag, amit a Claude Code automatikusan betölt és használ, ha a feladat megkívánja. Lényegében egy mappa utasításokkal és scriptekkel.
Patchright – A Playwright (browser automation library) egy fork-ja, ami kifejezetten az anti-detekció ellen van optimalizálva. A PleasePrompto projektek ezt használják.
Browser automation – Olyan technológia, amely programból vezérel egy böngészőt (kattintások, gépelés, navigáció), mintha egy ember használná. A NotebookLM integráció alapja, mivel nincs hivatalos API.
Reverse-engineered API – Amikor egy szolgáltatás belső, nem publikus API-jait fejtik vissza és használják külső eszközökből. A notebooklm-py ezt csinálja a Google NotebookLM-mel.
Persistent session – Olyan munkamenet, amely megőrzi az állapotát kérdések között. Az MCP szerver és a notebooklm-py ezt tudja, a skill nem.
