---
title: "NotebookLM API: Enterprise API, MCP-серверы и CLI"
description: "Есть ли API NotebookLM? Что предлагает NotebookLM Enterprise, делают notebooklm-py, MCP servers и CLI tools и как автоматизировать расшифровки."
canonical: "https://transcript.im/ru/blog/notebooklm-api-mcp"
markdown: "https://transcript.im/ru/blog/notebooklm-api-mcp.md"
author: "Leo"
category: "NotebookLM"
datePublished: "2026-10-24T03:23:20.622Z"
dateModified: "2026-11-19T13:57:21.868Z"
---
Есть ли у NotebookLM API? Да, но только один, документированный Google, и он предназначен не для бесплатного приложения для потребителей. Официальный API NotebookLM является частью NotebookLM Enterprise в Google Cloud: это предварительная версия REST API, которая создаёт блокноты, добавляет источники, открывает блокноты для совместного доступа и генерирует аудиообзоры в рамках проекта Google Cloud. Всё остальное, что вы найдёте при поиске, включая `notebooklm-py`, многочисленные MCP-серверы NotebookLM и большинство CLI-инструментов NotebookLM, создано сообществом и не является официальным продуктом Google.

В этом руководстве мы разберём эти варианты. Здесь описано, что на самом деле умеет NotebookLM Enterprise API, как работают неофициальная библиотека Python, MCP-серверы и CLI, какой вариант подходит для каждой задачи, а также как автоматизировать этап, с которого обычно начинается работа с блокнотом, ориентированным на видео: превращать видео, плейлисты и каналы YouTube в чистый текст с помощью API транскрипции и MCP-сервера транскрипции.

Небольшое уточнение о названии перед подробностями. 16 июля 2026 года Google переименовал NotebookLM в Gemini Notebook, и в документации Google Cloud теперь используется название «Gemini Notebook Enterprise». Это тот же продукт, и в этой статье мы сохраняем название NotebookLM, поскольку именно его большинство разработчиков всё ещё используют при поиске. Если вы хотите получить более полное представление о сильных и слабых сторонах этого инструмента, начните с нашего [обзора NotebookLM](/ru/blog/notebooklm). Все приведённые ниже сведения об API были проверены по документации Google Cloud и страницам каждого проекта 24 октября 2026 года. Предварительные версии API и проекты сообщества быстро меняются, поэтому окончательным источником информации следует считать их актуальные страницы.

## Есть ли у NotebookLM API? Краткий ответ

Существует один официальный NotebookLM API, и он работает в Google Cloud. Google публикует документацию REST для NotebookLM Enterprise — корпоративной версии, которая работает внутри Google Cloud проекта компании. Google не публиковала API для разработчиков потребительского приложения NotebookLM, которое вы открываете с личным аккаунтом Google. Именно поэтому существует так много неофициальных инструментов: они получают доступ к потребительскому приложению через браузер или вызывают те же недокументированные конечные точки, которые использует веб-приложение.

Вот как сравниваются основные варианты:

| Вариант | Кто разработал | Работает с | Как выполняется вход |
| --- | --- | --- | --- |
| NotebookLM Enterprise API | Google (предварительная версия) | Блокнотами NotebookLM Enterprise в облачном проекте | Учётные данные Google Cloud, например токен доступа `gcloud` |
| `notebooklm-py` | Сообщество (неофициальный инструмент) | Потребительским приложением | Ваш аккаунт Google через вход в браузере |
| MCP-серверы NotebookLM | Сообщество (неофициальные инструменты) | В основном потребительским приложением | Обычно через сеанс браузера, в который вы входите один раз |
| Инструменты NotebookLM CLI | Сообщество (неофициальные инструменты) | Зависит от инструмента: потребительским приложением или Enterprise API | Вход через браузер или `gcloud` |

Это разделение важнее любой отдельной функции. Если ваши блокноты находятся в личном аккаунте, любой найденный вами вариант NotebookLM API будет неофициальным. Если ваша компания уже использует NotebookLM Enterprise, вы можете применять собственный NotebookLM API от Google и хранить всё внутри своего облачного проекта.

## Enterprise API NotebookLM в Google Cloud

Enterprise API NotebookLM — это набор REST-методов сервиса Discovery Engine версии `v1alpha`. В руководстве Google по [созданию блокнотов и управлению ими с помощью API](https://docs.cloud.google.com/gemini/enterprise/notebooklm-enterprise/docs/api-notebooks) эта функция обозначена как предварительная версия (Preview), поэтому на неё распространяются условия Google для продуктов Pre-GA и может предоставляться ограниченная поддержка. Запросы отправляются в мульти-регион `us` или `eu` либо в расположение `global`, ограничиваются номером вашего проекта и аутентифицируются с помощью bearer-токена Google Cloud.

![Enterprise API NotebookLM: блокноты и роли IAM находятся внутри одного проекта Google Cloud](/images/blog/notebooklm-api-mcp/ru/notebooklm-enterprise-api.webp)

Воспринимайте этот API NotebookLM как официальный способ программно работать с теми же блокнотами, которые ваша команда открывает в браузере. Блокноты остаются внутри вашего облачного проекта, а доступ контролируется ролями IAM, а не личными аккаунтами Google.

### Что Enterprise API может делать с блокнотами

Методы для блокнотов охватывают базовый жизненный цикл:

- **Создание** блокнота с помощью `notebooks.create`. Тело запроса содержит `title`, а в ответе возвращается `notebookId`, который используется во всех последующих вызовах.
- **Получение** одного блокнота с помощью `notebooks.get`.
- **Вывод недавно просмотренных** блокнотов с помощью `notebooks.listRecentlyViewed`, который возвращает до 500 последних блокнотов с возможностью постраничной навигации.
- **Массовое удаление** блокнотов с помощью `notebooks.batchDelete`.
- **Предоставление доступа** к блокноту с помощью `notebooks.share` с назначением ролей владельца, редактора или читателя. Получателям также нужна роль Cloud NotebookLM User IAM.

Создание блокнота выглядит так; Google использует заполнители, написанные заглавными буквами:

```bash
curl -X POST \
  -H "Authorization: Bearer $(gcloud auth print-access-token)" \
  -H "Content-Type: application/json" \
  "https://ENDPOINT_LOCATION-discoveryengine.googleapis.com/v1alpha/projects/PROJECT_NUMBER/locations/LOCATION/notebooks" \
  -d '{"title": "Customer interviews Q4"}'
```

### Добавление источников через API

Именно источники делают Enterprise API NotebookLM полезным для автоматизации. В сопутствующем руководстве Google по добавлению источников данных перечислены четыре метода: `sources.batchCreate` для одновременного добавления нескольких источников, `sources.uploadFile` для загрузки одного файла, `sources.get` для чтения источника и `sources.batchDelete` для удаления источников. Каждая запись в запросе `batchCreate` содержит один тип контента:

- `googleDriveContent` для файла Google Docs или Slides, которому требуется авторизация Drive с учётными данными пользователя
- `textContent` для необработанного текста с указанием `sourceName` и `content`
- `webContent` для URL веб-страницы
- `videoContent` для видео YouTube с единственным параметром `youtubeUrl`

Загрузка файлов поддерживает такие документы, как PDF, TXT, Markdown, DOCX, PPTX и XLSX, а также распространённые аудиоформаты и изображения. Для текста, который вы создаёте самостоятельно, например транскрипта, наиболее удобным вариантом будет `textContent` или загруженный файл `.md`, поскольку вы точно контролируете его содержимое.

### Аудиообзоры и устаревший Podcast API

Enterprise API также может создавать аудиообзор с помощью `notebooks.audioOverviews.create`. Можно передать идентификаторы используемых источников, `episodeFocus` с описанием того, что следует выделить, и `languageCode`. Google отмечает, что у блокнота может быть только один аудиообзор, что сначала в блокнот нужно добавить источники, а генерация занимает несколько минут. Чтобы понять, как звучат аудиообзоры и какие параметры предлагает приложение, ознакомьтесь с нашим руководством по [подкасту NotebookLM и аудиообзору](/ru/blog/notebooklm-audio-overview).

Вам также может встретиться отдельный Podcast API от Google, который создавал MP3-файлы в формате подкаста на основе предоставленного вами контекста без необходимости использовать блокнот. Сейчас на странице Google указано, что Podcast API устарел, а новые клиенты больше не добавляются в allowlist, поэтому не планируйте на его основе новые проекты.

### Кто может использовать Enterprise API NotebookLM

API работает только для организаций, использующих NotebookLM Enterprise. Google продаёт его как отдельный продукт или как часть Gemini Enterprise; пользователи входят через Cloud Identity либо стороннего поставщика удостоверений, например Microsoft Entra ID или Okta, и каждому пользователю нужна роль Cloud NotebookLM User. Если вы используете NotebookLM с личным аккаунтом Gmail, этот API не сможет увидеть ваши блокноты.

## MCP-серверы NotebookLM

MCP-сервер NotebookLM — это небольшая программа, которая позволяет AI-агенту использовать NotebookLM как инструмент. MCP, [Model Context Protocol](https://modelcontextprotocol.io/docs/getting-started/intro), — это открытый стандарт для подключения AI-приложений, таких как Claude, ChatGPT, Cursor и других агентов, к внешним инструментам и данным. Клиент обнаруживает инструменты, которые публикует сервер, и вызывает их во время разговора, поэтому агент может задать вопрос блокноту так же, как прочитал бы файл.

![MCP NotebookLM: AI-агент, подключённый к блокноту через MCP-сервер](/images/blog/notebooklm-api-mcp/ru/notebooklm-mcp.webp)

Поиск по запросам «NotebookLM MCP» и «NotebookLM MCP server» приводит к проектам сообщества. Ни один из проверенных нами проектов не создан Google. Они обычно бывают двух типов.

### MCP-серверы под управлением браузера

Первый тип управляет настоящим окном Chrome. Вы один раз входите в свой аккаунт Google, сервер сохраняет сессию браузера, а вызовы инструментов агента превращаются в клики и ввод текста в веб-приложении NotebookLM. Один широко распространённый проект этого типа, `PleasePrompto/notebooklm-mcp`, предоставлял инструменты для отправки вопроса блокноту, добавления URL или текстового источника, создания и скачивания Audio Overview, а также управления библиотекой блокнотов; его добавляли в Claude Code командой `claude mcp add notebooklm -- npx notebooklm-mcp@latest`. Теперь его репозиторий на GitHub архивирован и больше не поддерживается, что типично для того, как быстро развивается эта область.

### MCP-серверы, встроенные в библиотеку

Второй тип оборачивает неофициальную библиотеку и предоставляет её функции как инструменты MCP. `notebooklm-py`, о котором рассказывается в следующем разделе, поставляется с MCP-сервером для Claude Desktop, Claude Code и Codex, который работает локально через stdio или как удалённый самостоятельно размещённый коннектор. Поскольку он построен поверх полноценной библиотеки, он обычно охватывает больше возможностей NotebookLM, чем браузерный скрипт.

### Что проверить перед подключением

Какой бы MCP-сервер NotebookLM вы ни выбрали, проверьте на его странице четыре вещи: поддерживается ли он по-прежнему, как он выполняет вход в ваш аккаунт Google и где хранит эту сессию, к каким блокнотам он может обращаться и взаимодействует ли он с пользовательским приложением или Enterprise API. Агент с MCP-сервером NotebookLM может читать и изменять все блокноты, доступные вошедшему в аккаунт, поэтому предоставляйте ему аккаунт и блокноты, автоматизацию которых вы считаете безопасной.

## notebooklm-py: Неофициальная библиотека Python

`notebooklm-py` — наиболее полная неофициальная NotebookLM API для потребительского приложения. В [репозитории на GitHub](https://github.com/teng-lin/notebooklm-py) она описывается как «неофициальный Python API и агентский навык для Google Gemini Notebook»; также указано, что это проект сообщества, не связанный с Google и созданный на основе недокументированных Google API, которые могут измениться без предупреждения.

Она устанавливается из PyPI под именем `notebooklm-py`. Проект рекомендует устанавливать инструмент командной строки с поддержкой браузера:

```bash
pipx install "notebooklm-py[browser]"
# or, inside a virtual environment
pip install "notebooklm-py[browser]"
```

Библиотека поддерживает блокноты, источники и чаты с цитатами, создаёт и скачивает результаты Studio, включая аудио, видео, презентации, инфографику, викторины, карточки, отчёты, таблицы данных и интеллект-карты, а также управляет доступом. По умолчанию вход выполняется через интерактивный вход в браузере; также можно импортировать cookie из браузера, в котором вы уже вошли в аккаунт.

Используйте `notebooklm-py`, если вам нужен личный или исследовательский процесс поверх потребительского приложения: например, еженедельно создавать блокнот из папки с файлами, задавать один и тот же набор вопросов в нескольких блокнотах или скачивать созданное аудио в архив. Для всего, от чего зависит бизнес, следует использовать Enterprise API — именно этот путь Google документирует и поддерживает.

## Параметры CLI NotebookLM

CLI NotebookLM позволяет выполнять задачи с блокнотами из терминала или shell-скрипта вместо браузера. Существует два основных варианта, и они работают с разными продуктами.

![CLI NotebookLM: команды терминала для входа, добавления источников и скачивания результатов](/images/blog/notebooklm-api-mcp/ru/notebooklm-cli.webp)

### Команда notebooklm из notebooklm-py

Установка `notebooklm-py` также устанавливает команду `notebooklm` для потребительского приложения. Собственные примеры проекта показывают структуру сеанса:

```bash
notebooklm login
notebooklm create "My Research"
notebooklm source add "./paper.pdf"
notebooklm ask "What are the key themes?"
notebooklm generate audio "make it engaging" --wait
notebooklm download audio ./podcast.m4a
```

Этого достаточно, чтобы автоматизировать полный цикл: создать блокнот, добавить источники, задать вопросы, сгенерировать аудиообзор и сохранить его.

### nblm для Enterprise API

Если ваша организация использует NotebookLM Enterprise, `nblm` — это CLI NotebookLM, предназначенный только для Enterprise API. Это неофициальный клиент с ядром на Rust, инструментом командной строки и [Python SDK, опубликованным на PyPI](https://pypi.org/project/nblm/). Он повторно использует ваш вход в `gcloud`, поэтому такая команда, как `nblm notebooks create --title "My Notebook"` или `nblm sources add --notebook-id YOUR_NOTEBOOK_ID --web-url "https://example.com" --web-name "Example"`, напрямую соответствует официальным методам REST, описанным выше.

## Какой маршрут автоматизации NotebookLM подходит для вашей задачи?

Выберите маршрут в зависимости от того, где находятся ваши блокноты и кто будет запускать автоматизацию:

| Ваша ситуация | Оптимальный вариант | Почему |
| --- | --- | --- |
| Компания использует NotebookLM Enterprise | NotebookLM Enterprise API или `nblm` поверх него | Официальные, документированные методы API NotebookLM |
| Личные блокноты, скрипты на Python | `notebooklm-py` | Самый широкий охват потребительского приложения |
| Личные блокноты, управляемые AI-агентом | MCP-сервер NotebookLM | Агент вызывает NotebookLM как инструмент во время разговора |
| Личные блокноты, shell-скрипты | CLI `notebooklm` | Та же библиотека, без необходимости писать код на Python |

Если ваш настоящий вопрос заключается в том, подходит ли NotebookLM вообще, сравните его с ChatGPT, Claude, Gemini и приложениями для заметок в нашем руководстве по [альтернативам NotebookLM](/ru/blog/notebooklm-alternatives). В этой статье мы рассматриваем именно автоматизацию.

## Недостающий шаг: сначала преобразуйте видео в текст

Каждый из описанных выше маршрутов NotebookLM API автоматизирует то, что происходит внутри блокнота. Но ни один из них не решает самую распространённую проблему с видеоисточниками: как изначально получить из видео полный и надёжный текст.

Собственный импорт YouTube в NotebookLM считывает только текст субтитров публичного видео. Каждая ссылка становится одним источником, а ссылка на плейлист или канал не разворачивается в отдельные видео. Enterprise API работает так же, поскольку `videoContent` принимает один `youtubeUrl`. Поэтому видео без субтитров, курс из 60 видео или весь архив автора требуют отдельного шага перед добавлением в блокнот. В нашем руководстве [по использованию видео YouTube в NotebookLM](/ru/blog/notebooklm-youtube) подробно описаны эти правила импорта и способы их обойти.

Автоматизированная версия этого шага — API транскрипции: отправьте видео, плейлист или канал, получите текст и передайте его в выбранный вами маршрут блокнота. Текстовые источники также лучше работают в блокноте. Вы можете объединить связанные транскрипты в один файл, добавить заголовки и хранить множество видео в одном слоте источника.

## Автоматизация расшифровок YouTube с помощью API Transcript.im

[API Transcript.im](/ru/api) — это REST API, который превращает общедоступную ссылку на видео или аудио в расшифровку с временными метками. Это тот же конвейер извлечения, который используется инструментом [расшифровки YouTube](/ru) на сайте: сначала используются субтитры автора, а если у видео их нет, AI расшифровывает речь. Помимо YouTube, API распознаёт ссылки TikTok, Instagram, LinkedIn и Twitter/X, а полное описание контракта опубликовано в документе OpenAPI на странице [документации API Transcript.im](/ru/docs).

![API расшифровки YouTube: ссылка на видео, возвращённая в формате JSON с временными метками](/images/blog/notebooklm-api-mcp/ru/youtube-transcript-api.webp)

Как API расшифровки YouTube, он поддерживает три формата, которые обычно нужны проекту блокнота: одно видео, один плейлист и один канал. Аутентификация выполняется с помощью ключа API, передаваемого как Bearer-токен или в заголовке `X-API-Key`. В примерах ниже вместо ключа используется `YOUR_API_KEY`.

### Получение одного видео

Отправьте URL видео на `POST /v1/transcript`. Параметр `format` принимает значение `json` для сегментов с временными метками или `text` для обычного текста, а `language` — список приоритетных языков, например `en` или `de,en`.

```bash
curl -X POST https://api.transcript.im/v1/transcript \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"url": "https://www.youtube.com/watch?v=VIDEO_ID", "format": "text", "language": "en"}'
```

Видео с подходящей дорожкой субтитров возвращается в ответе. Видео без субтитров возвращает `202` и ID задачи, поскольку расшифровка с помощью AI выполняется асинхронно. Выполняйте опрос `GET /v1/transcript/job/{id}`, пока задача не завершится успешно или с ошибкой, либо подпишитесь на поток `/events`, чтобы отслеживать прогресс. Если сначала нужно узнать, какие возможности предоставляет видео, `GET /v1/transcript/info` перечисляет доступные языки до начала извлечения.

### Получение всего плейлиста или канала

`POST /v1/batch` принимает список URL, плейлист или канал. Формат тела запроса определяет режим: `urls`, `playlist` (ID или URL) либо `channel` (ID, `@handle` или URL).

```bash
curl -X POST https://api.transcript.im/v1/batch \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"playlist": "https://www.youtube.com/playlist?list=PLAYLIST_ID", "language": "auto"}'
```

Ответ содержит ID пакетной задачи и количество всех, ожидающих, успешно обработанных и завершившихся ошибкой элементов. Ошибка одного видео отмечается отдельно и никогда не отменяет остальные, а неудачные элементы можно повторно запустить с помощью `/retry`. Те же задачи доступны без кода в инструментах [расшифровки плейлиста YouTube](/ru/youtube-playlist-transcript) и [расшифровки канала YouTube](/ru/youtube-channel-transcript).

### Отслеживание и экспорт результатов

Читайте сведения о прогрессе с помощью `GET /v1/batch/{batchId}` и используйте возвращаемый токен страницы для получения оставшихся элементов. После завершения пакет можно скачать через `/export` в формате `txt`, `csv`, `json`, `srt`, `vtt` или `zip`:

```bash
curl -L -H "Authorization: Bearer YOUR_API_KEY" \
  "https://api.transcript.im/v1/batch/BATCH_ID/export?format=txt" -o playlist.txt
```

Отдельную расшифровку, сохранённую в вашей учётной записи, также можно скачать в формате Markdown (`md`), который сохраняет аккуратный заголовок для NotebookLM. После этого текст можно вручную добавить в блокнот, использовать `notebooklm-py` или передать через источники `textContent` Enterprise API.

## Предоставление вашему агенту транскриптов с помощью MCP-сервера Transcript.im

Если вызывающей стороной является AI-агент, а не скрипт, [MCP-сервер Transcript.im](/ru/mcp) предоставляет ему те же транскрипты в виде инструментов. Это удалённая HTTP-конечная точка `https://mcp.transcript.im/mcp`, поэтому устанавливать ничего не нужно: MCP-клиенту требуются URL и API-ключ.

![MCP-сервер Transcript.im: видео из плейлиста и канала преобразуются в транскрипт с временными метками для AI-агента](/images/blog/notebooklm-api-mcp/transcript-mcp-server.webp)

### Подключение MCP-сервера Transcript.im

В Claude Code зарегистрируйте MCP-сервер Transcript.im из командной строки:

```bash
claude mcp add --transport http transcript https://mcp.transcript.im/mcp \
  --header "Authorization: Bearer YOUR_API_KEY"
```

Редакторы, которые читают конфигурацию `mcpServers`, например Cursor, используют те же URL и ключ:

```json
{
  "mcpServers": {
    "transcript": {
      "url": "https://mcp.transcript.im/mcp",
      "headers": { "Authorization": "Bearer YOUR_API_KEY" }
    }
  }
}
```

Claude также может добавить его как пользовательский коннектор, ChatGPT — как MCP-коннектор с аутентификацией по API-ключу, а OpenAI Agent Builder — как MCP-инструмент с учётными данными Bearer. Ключ можно передать в `Authorization: Bearer` или `x-api-key`, а сервер перенаправляет его в REST API, поэтому агент работает с той же учётной записью, что и ваши скрипты.

### Инструменты, доступные вашему агенту

MCP-сервер Transcript.im публикует одиннадцать инструментов:

- **Транскрипты:** `get_transcript` извлекает транскрипт по URL или читает следующий фрагмент длинного транскрипта; `get_transcript_info` возвращает метаданные видео и доступные дорожки субтитров.
- **Пакетная обработка и экспорт:** `create_batch` запускает обработку списка URL, плейлиста или канала; `get_batch` сообщает статус, количество элементов и следующую страницу; `export_batch` преобразует завершённый пакет в текст или субтитры.
- **Поиск на YouTube:** `search_video`, `get_channel`, `list_channel_video`, `list_playlist_item` и `list_caption` находят видео, определяют каналы, просматривают загрузки и плейлисты, а также читают метаданные субтитров.
- **Учётная запись:** `get_usage` сообщает сводку использования учётной записи.

Сервер не включает собственных AI-инструментов. Ваш клиент уже запускает модель, поэтому сервер сосредоточен на данных, оставляя суммирование и редактирование агенту.

### Длинные транскрипты остаются удобными для работы

Двухчасовая запись создаёт больше текста, чем агент должен получить в одном результате инструмента. Сервер возвращает длинные транскрипты ограниченными фрагментами: каждый фрагмент содержит `truncated: true` и `nextPageToken`, после чего агент снова вызывает `get_transcript` с этим токеном, чтобы получить следующий фрагмент. Ошибки возвращаются в виде понятного текста с `code`, HTTP-статусом `status` и, если отсутствует язык, `availableLanguages`, поэтому агент может выбрать следующий шаг, не выполняя слепые повторные попытки.

## Три конвейера от YouTube до блокнота

Объединив эти элементы, вы получите несколько повторяемых конвейеров. Каждый начинается с транскриптов и заканчивается блокнотом или агентом.

### Конвейер 1: Канал в пользовательское приложение

Обработайте канал пакетно через API Transcript.im, экспортируйте результат в виде текста и объедините транскрипты в несколько файлов, сгруппированных по темам, используя название каждого видео как заголовок. Загрузите эти файлы в NotebookLM вручную или с помощью `notebooklm source add`. Объединение важно, потому что NotebookLM считает источники, а не слова; наше руководство о том, [бесплатен ли NotebookLM](/ru/blog/is-notebooklm-free), объясняет ограничения по источникам для каждого тарифа и показывает, как объединение помогает вместить большой канал в эти ограничения.

### Конвейер 2: Плейлист в NotebookLM Enterprise

Для корпоративного блокнота создайте блокнот с помощью `notebooks.create`, обработайте плейлист через `POST /v1/batch` и отправьте каждый транскрипт в `sources.batchCreate` как запись `textContent`, где `sourceName` — название видео. Короткий скрипт на любом языке может выполнить весь процесс от начала до конца, а поскольку обе стороны используют обычные REST API, это легко включить в запланированную задачу, обновляющую блокнот при появлении новых видео.

### Конвейер 3: Агент с двумя MCP-серверами

Подключите MCP-сервер Transcript.im и MCP-сервер NotebookLM к одному агенту. Тогда один запрос сможет охватить весь цикл: «Перечисли последние 20 видео на этом канале, получи их транскрипты, добавь их в мой исследовательский блокнот и спроси у блокнота, какие темы встречаются чаще всего». Агент вызывает `list_channel_video` и `get_transcript` на одном сервере, а затем инструменты блокнота — на другом. Если вы впервые работаете внутри блокнота после добавления источников, наше руководство о том, [как использовать NotebookLM](/ru/blog/how-to-use-notebooklm), пошагово рассматривает источники, чат и Studio.

## Часто задаваемые вопросы

### Существует ли официальный API NotebookLM?

Да, официальный API NotebookLM — это NotebookLM Enterprise API в Google Cloud. Это preview REST API для блокнотов, источников, общего доступа и аудиообзоров в облачном проекте организации. Google не публиковала API для разработчиков потребительского приложения, используемого с личными аккаунтами Google.

### Можно ли использовать NotebookLM API с бесплатным аккаунтом Google?

Нет, NotebookLM Enterprise API работает только с блокнотами NotebookLM Enterprise в проекте Google Cloud. Для блокнотов в личном аккаунте доступны неофициальные инструменты, такие как `notebooklm-py`, или MCP-сервер сообщества.

### Что такое NotebookLM Enterprise API?

NotebookLM Enterprise API — это набор REST-методов `v1alpha` службы Discovery Engine от Google. Он позволяет создавать, получать, просматривать список, удалять блокноты и предоставлять к ним общий доступ, добавлять и удалять источники, а также создавать аудиообзор; доступ контролируется ролями Google Cloud IAM.

### Что такое MCP-сервер NotebookLM?

MCP-сервер NotebookLM — это программа, которая предоставляет действия NotebookLM, например отправку вопроса блокноту или добавление источника, в виде инструментов, вызываемых AI-агентом через Model Context Protocol. Доступные сегодня MCP-серверы NotebookLM — это проекты сообщества, а не продукты Google.

### Является ли notebooklm-py официальным?

Нет, `notebooklm-py` — неофициальная библиотека сообщества. На её странице GitHub указано, что она не связана с Google и использует недокументированные API Google, которые могут измениться без предупреждения.

### Существует ли CLI NotebookLM?

Да, но не от Google. Команда `notebooklm`, входящая в `notebooklm-py`, работает с потребительским приложением, а `nblm` — это неофициальный CLI NotebookLM для Enterprise API, который выполняет вход через `gcloud`.

### Может ли NotebookLM API импортировать плейлист YouTube?

Нет, NotebookLM Enterprise API добавляет видео YouTube по одному через `videoContent` с одним `youtubeUrl` и импортирует только текст субтитров. Чтобы добавить целый плейлист или канал, сначала получите расшифровки с помощью Transcript.im API, а затем добавьте их как текстовые источники.

### Как автоматически добавить расшифровки YouTube в NotebookLM?

Используйте Transcript.im API или Transcript.im MCP-сервер, чтобы получить расшифровки видео, плейлиста или канала, а затем добавьте текст в блокнот загрузкой, с помощью `notebooklm-py` или через источники `textContent` Enterprise API.

## Итог

Единственный официальный API NotebookLM — это NotebookLM Enterprise API в Google Cloud, и он всё ещё находится в режиме предварительного просмотра. Для личных блокнотов `notebooklm-py`, его CLI `notebooklm` и созданные сообществом MCP-серверы NotebookLM восполняют этот пробел, однако следует понимать, что они используют недокументированный доступ и могут перестать работать, когда Google изменит приложение.

Какой бы путь вы ни выбрали, качество блокнота зависит только от его источников. Для видео это означает: сначала получить полный текст — извлечь расшифровки отдельных видео, плейлистов и каналов с помощью API или MCP-сервера Transcript.im, объединить их в несколько источников с понятными названиями и позволить NotebookLM или вашему агенту выполнить чтение.
