notebooklm-mcp-secure

El único MCP de NotebookLM con seguridad de nivel empresarial, cifrado post-cuántico e integración completa con la API de Gemini.

Bifurcación endurecida en seguridad de PleasePrompto/notebooklm-mcp • Mantenido por Pantheon Security

⚡ Resumen Rápido — Lo Que Obtienes

• 🔍 Consulta tus notebooks de NotebookLM — respuestas fundamentadas en fuentes, sin alucinaciones
• 📚 Crea y gestiona notebooks programáticamente — sin clics manuales
• 🎙️ Genera resúmenes de audio — resúmenes estilo podcast de tus documentos
• 🎬 Genera resúmenes de video — resúmenes de video con IA en 10 estilos visuales NUEVO
• 📊 Extrae tablas de datos — JSON estructurado desde fuentes de notebooks NUEVO
• 🔬 Gemini 3 + Deep Research — modelos más recientes con control de razonamiento (API opcional) NUEVO
• 📄 API de Documentos — sube y consulta PDFs sin navegador (API opcional)
• 🔐 17 capas de seguridad — cifrado post-cuántico, registros de auditoría, escaneo de secretos
• ✅ Arquitectura lista para cumplimiento — construida según estándares GDPR, SOC2 y CSSF (controles implementados; la certificación formal requiere auditoría de terceros)
• 💡 No se requiere clave API — las funciones principales funcionan solo con autenticación del navegador

🚀 Novedades en 2026

Última versión: v2026.3.1 — Los 334 problemas de auditoría resueltos. 631 pruebas. Cumplimiento total del protocolo MCP.

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

¿Por Qué Elegir Este MCP?

🔬 Auditoría de Seguridad 2026 — Lo Que Encontramos y Corregimos

En abril de 2026, encargamos una auditoría profunda en paralelo de v2026.2.11 (main @ 2973097) utilizando cuatro revisores de código de IA especializados, cada uno enfocado en una superficie de ataque diferente: vulnerabilidades de seguridad, corrección del protocolo, calidad de arquitectura y brechas de pruebas y casos límite. Los cuatro revisores operaron de forma independiente para que sus hallazgos no se influyeran entre sí. Juntos produjeron una lista maestra de 334 problemas que cubría corrección del protocolo, vulnerabilidades de seguridad, fallos de arquitectura, brechas de pruebas y precisión de documentación. Los 334 problemas están resueltos en v2026.3.0 y v2026.3.1.

Auditoría en Cifras

Lo Que Encontraron los Cuatro Revisores

Revisor de seguridad: Identificó la evasión de forceAuth en validateToken() que permitía acceso no autenticado a herramientas del sistema de archivos; SSRF en webhooks mediante destinos de entrega no validados; cadena de hash del registro de auditoría no verificada en lectura; escrituras de auditoría concurrentes que intercalaban entradas; sal de token de autenticación no persistida (tokens invalidados al reiniciar).

Revisor de protocolo: Encontró 38 herramientas que devolvían formas de respuesta incorrectas (structuredContent faltante, semántica incorrecta de isError, etiquetas de transporte filtrándose en el contenido); las 48 herramientas tenían anotaciones readOnlyHint/idempotentHint/destructiveHint incorrectas o faltantes; 9 esquemas de herramientas carecían de límites numéricos, permitiendo entradas fuera de rango.

Revisor de arquitectura: Señaló el handlers.ts de 3,611 líneas como un pasivo de mantenimiento; importaciones singleton en todas las funciones de dominio que impedían pruebas unitarias; el despacho switch/case de 500 líneas que añadía sobrecarga O(n) y hacía propenso a errores el registro de herramientas.

Revisor de pruebas y casos límite: Encontró la suite de pruebas en 139 pruebas con cobertura mínima de módulos críticos de seguridad; mcp-auth.ts con cobertura casi nula; sin pruebas para patrones de inyección de prompts, manipulación del registro de auditoría o estado de sesión de navegador concurrente; el manejador DSAR tenía una condición de carrera no detectada.

Correcciones Clave

• 17 vulnerabilidades de seguridad abordadas (evasión de autenticación, SSRF, integridad de auditoría, condiciones de carrera, vectores de inyección de selectores)
• Protocolo MCP totalmente conforme — las 48 herramientas devuelven formas correctas de structuredContent/isError; anotaciones precisas; límites de esquema aplicados
• Arquitectura descompuesta — handlers.ts dividido en 9 módulos de dominio con inyección de dependencias HandlerContext; 100% comprobable unitariamente sin mocks de procesos
• Cobertura de pruebas — 15 nuevas suites de pruebas críticas de seguridad que incluyen sesión de navegador, autenticación, inyección de prompts, registro de auditoría, webhooks, DSAR y cumplimiento
• Afirmaciones alineadas — fijación de certificados eliminada (la implementación fue retirada en el Día 1 de la auditoría); alcance del cifrado PQ documentado con precisión; el lenguaje de cumplimiento usa "controles implementados" no "certificado"

Gemini Deep Research (v1.8.0)

La capacidad de investigación más potente para agentes de IA — ahora en tu kit de herramientas MCP.

v1.8.0 introduce la API de Interacciones de Gemini como un backend de investigación estable basado en API, junto con la automatización del navegador. Esto brinda a tus agentes acceso al agente de Deep Research de última generación de Google.

Por Qué Esto Importa

Nuevas Herramientas

deep_research — Agente de Investigación Integral

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

• Ejecuta el agente de Deep Research de Google (igual que Gemini Advanced)
• Toma de 1 a 5 minutos para un análisis integral fundamentado en la web
• Devuelve respuestas estructuradas con citas y fuentes
• Perfecto para temas complejos que requieren síntesis de múltiples fuentes

gemini_query — Consultas Rápidas Fundamentadas

"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)

• Fundamentación de Búsqueda de Google — Información actual, no solo datos de entrenamiento
• Ejecución de código — Realiza cálculos, análisis de datos
• Contexto de URL — Analiza páginas web bajo demanda
• Modelos: gemini-3-flash-preview (predeterminado), gemini-3-pro-preview (potente), gemini-2.5-flash (heredado)

get_research_status — Monitoreo de Tareas en Segundo Plano

Ejecuta investigaciones profundas en segundo plano y verifica el progreso:

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

Arquitectura Híbrida

┌──────────────────────────────────────────────────────────────────────────────┐
│                      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*      │                     │
│                      └─────────────────────────────────┘                     │
└──────────────────────────────────────────────────────────────────────────────┘

💡 ¡La API de Gemini es completamente opcional! Todas las funciones principales de NotebookLM (ask_question, notebooks, sessions, audio) funcionan mediante automatización del navegador sin necesidad de clave API. Las herramientas de Gemini a continuación son funciones adicionales para usuarios que desean acceso directo a la API.

Configuración de Gemini (Opcional)

# 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

Cuándo Usar Cada Una

📄 API de Documentos (v1.9.0)

Carga y consulta documentos directamente mediante la API de Gemini — sin necesidad de automatización del navegador.

v1.9.0 introduce la API de Archivos de Gemini para un análisis de documentos rápido y confiable. Carga PDFs, analízalos al instante y elimínalos cuando termines.

Por Qué Esto Importa

Nuevas Herramientas

upload_document — Carga Rápida de Documentos

Carga cualquier documento en Gemini para consultas instantáneas:

Upload /path/to/research-paper.pdf

• Soportado: PDF (50MB, 1000 páginas), TXT, MD, HTML, CSV, JSON, DOCX, imágenes, audio, video
• Retención de 48 horas — los archivos caducan automáticamente, o elimínalos manualmente
• Devuelve un ID de archivo para consultas

query_document — Haz Preguntas Sobre Documentos

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

• Comprensión completa de documentos (texto, tablas, gráficos, diagramas)
• Consultas de múltiples documentos (comparar varios archivos)
• Respuesta rápida de API (sin espera del navegador)

list_documents — Ver Todos los Archivos Cargados

List all my uploaded documents

Muestra nombres de archivos, tamaños, tipos MIME y tiempos de caducidad.

delete_document — Limpia Archivos Sensibles

Delete file xyz123

Elimina archivos inmediatamente (no esperes la caducidad de 48 horas).

Ejemplo de Flujo de Trabajo

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

Fragmentación Automática para PDFs Grandes (v1.10.0)

Sin límites de tamaño de archivo — los PDFs de cualquier tamaño se manejan automáticamente.

Cuando cargas un PDF que excede los límites de Gemini (50MB o 1000 páginas), el sistema automáticamente:

1. Detecta el PDF sobredimensionado
2. Divide en fragmentos óptimos (500 páginas cada uno)
3. Carga todos los fragmentos en paralelo
4. Devuelve metadatos de fragmentos para consultas

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 — Consulta Todos los Fragmentos a la Vez

Para documentos fragmentados, usa esta herramienta para consultar todas las partes y obtener una respuesta agregada:

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

Cuándo Usar la API de Documentos vs NotebookLM

Creación Programática de Notebooks (v1.7.0+)

Crea notebooks de NotebookLM completamente desde código — sin clics manuales.

La mayoría de los servidores MCP solo pueden leer de NotebookLM. Este puede crear notebooks, agregar fuentes y generar audio — todo programáticamente.

create_notebook — Construye Notebooks al Instante

Crea un notebook completo con múltiples fuentes en un solo comando:

{
  "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"]
}

Tipos de fuentes soportados:

• URL — Páginas web, documentación, artículos
• Archivo — PDF, DOCX, TXT y más
• Texto — Texto sin formato, fragmentos de código, notas

batch_create_notebooks — Amplía la Escala

Crea hasta 10 notebooks en una sola operación:

{
  "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/" }] }
  ]
}

Perfecto para:

• Configurar bibliotecas de documentación de proyectos
• Incorporar nuevos miembros del equipo con bases de conocimiento seleccionadas
• Crear notebooks de investigación por tema en masa

manage_sources — Gestión Dinámica de Fuentes

Agrega o elimina fuentes de notebooks existentes:

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

generate_audio — Creación de Resúmenes de Audio

Genera los famosos "Resúmenes de Audio" (podcasts) de NotebookLM programáticamente:

"Generate an audio overview for my Security Research notebook"

sync_notebook — Mantén las Fuentes Actualizadas

Sincroniza las fuentes del notebook desde un directorio local:

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

Por Qué Esto Importa

Tu agente ahora puede construir bases de conocimiento completas de forma autónoma.

🎬 Resúmenes de Video y Tablas de Datos (v2026.2.0)

Genera resúmenes visuales impulsados por IA y extrae datos estructurados de cualquier notebook — todo programáticamente.

El panel de Studio de NotebookLM ahora ofrece Resúmenes de Video y Tablas de Datos junto con Resúmenes de Audio. Esta versión trae automatización completa para ambos.

generate_video_overview — Resúmenes de Video con IA

Genera resúmenes de video visuales del contenido de tu notebook con 10 estilos visuales:

Dos formatos:

• Explicativo — Explicación completa (5-15 min)
• Breve — Resumen rápido (1-3 min)

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

get_video_status — Verifica el Progreso de Generación

La generación de video toma de 3 a 10 minutos. Verifica el progreso:

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

generate_data_table — Extracción de Datos Estructurados

Genera una tabla estructurada a partir de las fuentes de tu notebook. NotebookLM extrae información clave en filas y columnas:

"Generate a data table for my research notebook"

get_data_table — Extrae la Tabla como JSON

Extrae la tabla generada como JSON estructurado para procesamiento:

"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
  }

Cuándo Usar Cada Función de Studio

📊 Historial de Consultas y Extracción de Chats (v2026.1.0)

Rastrea tu investigación y recupera conversaciones de notebooks de NotebookLM.

get_query_history — Revisa Investigaciones Pasadas (v1.10.8)

Todas las consultas realizadas a través del MCP se registran automáticamente para revisión:

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

• Registro automático — cada par de pregunta/respuesta guardado con metadatos
• Búsqueda — encuentra temas específicos en todas las consultas
• Filtro — por notebook, sesión o fecha
• Seguimiento de cuota — ve conteos de consultas y tiempos

get_notebook_chat_history — Extrae Conversaciones del Navegador (v2026.1.0)

Extrae el historial de conversaciones directamente de la interfaz de chat de un notebook de NotebookLM con gestión de contexto para evitar abrumar tu ventana de contexto de IA:

Auditoría rápida (modo vista previa):

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

Devuelve conteos de mensajes sin contenido — prueba el terreno antes de extraer.

Exportar a archivo (evita desbordamiento de contexto):

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

Vuelca el historial completo al disco en lugar de devolverlo al contexto.

Paginar a través del historial:

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

Navega por historiales grandes sin cargar todo a la vez.

Devuelve:

{
  "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": [...]
}

Casos de uso:

• Recuperar conversaciones realizadas directamente en el navegador de NotebookLM (no rastreadas por el MCP)
• Auditar investigación — ve qué consultas se hicieron en un notebook
• Reanudar contexto — continúa donde una sesión anterior terminó
• Conciliación de cuota — entiende por qué la cuota parece incorrecta

¿Por Qué Este Fork?

El MCP original de NotebookLM es excelente para la productividad — pero los servidores MCP manejan datos sensibles:

• Sesiones de navegador con autenticación de Google
• Cookies y tokens almacenados en disco
• Historial de consultas que puede contener información propietaria

Este fork agrega 17 capas de endurecimiento de seguridad para proteger esos datos.

Características de Seguridad

Primitivas Post-Cuánticas (Local en Reposo)

El cifrado de secretos en disco utiliza primitivas post-cuánticas híbridas:

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

• ML-KEM-768: encapsulación de claves post-cuántica estandarizada por NIST
• ChaCha20-Poly1305: cifrado de flujo moderno (inmune a ataques de temporización)

Alcance, honestamente: esto es cifrado local en reposo. Ambas claves viven en la misma máquina: la clave secreta PQ está envuelta con una clave clásica derivada de un secreto vinculado a la máquina, no en manos de un destinatario remoto. Esto protege contra el robo offline de archivos cifrados individuales, no contra ataques de cosecha-ahora-descifra-después (esos requieren un destinatario PQ remoto que tenga la clave de desenvuelto).

Soporte Multiplataforma

Soporte nativo completo para todos los sistemas operativos principales:

Todos los archivos sensibles (claves de cifrado, tokens de autenticación, registros de auditoría) se protegen automáticamente con permisos de solo propietario en cada plataforma.

Arquitectura lista para cumplimiento empresarial (v1.6.0+)

Construida según los estándares requeridos para industrias reguladas. Todos los controles técnicos a nivel de código están implementados; el cumplimiento completo también requiere controles de procesos organizativos (políticas, capacitación, gestión de proveedores). La certificación formal (informe SOC2 Tipo II, registro GDPR, presentación CSSF) requiere un compromiso de auditoría de terceros.

Herramientas de cumplimiento (16 herramientas MCP)

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

Consulta COMPLIANCE-SPEC.md para la documentación completa.

Instalación

Qué funciona de inmediato (sin clave API)

Todas las funciones principales de NotebookLM funcionan de inmediato con solo autenticación del navegador:

Opcional: Agrega GEMINI_API_KEY para funciones adicionales como deep_research, gemini_query y upload_document.

Para validación autenticada repetible, consulta el Manual de pruebas autenticadas.

Claude Code

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

Con autenticación + Gemini (recomendado)

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"
      }
    }
  }
}

Inicio rápido

1. Instala (ver arriba)

2. Autentícate

"Log me in to NotebookLM"

Chrome se abre → inicia sesión con Google

3. Agrega tu cuaderno

Ve a notebooklm.google.com → Crea un cuaderno → Sube documentos → Comparte el enlace

4. Úsalo

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

5. Prueba Deep Research (¡NUEVO!)

"Use deep research to investigate [complex topic]"

Referencia completa de herramientas

Herramientas de investigación

Gestión de cuadernos

Gestión de fuentes (v1.7.0+)

Funciones de Studio (v2026.2.0)

Sesión y sistema

Cumplimiento (v1.6.0+)

16 herramientas de cumplimiento para requisitos de GDPR, SOC2 y CSSF.

Qué se protege

Configuración

Todas las funciones de seguridad están habilitadas por defecto. Anula mediante variables de entorno:

# 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

Modo de múltiples sesiones

Ejecuta múltiples sesiones de Claude Code simultáneamente con perfiles de navegador aislados:

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

Cómo funciona:

• Cada sesión obtiene su propio perfil de Chrome (sin conflictos de bloqueo)
• Los perfiles aislados se clonan desde el perfil base autenticado
• La coordinación de autenticación garantiza que la clonación espere cualquier autenticación en curso

Consulta SECURITY.md para la referencia de configuración completa.

Escaneo de seguridad

Ejecuta el escáner de seguridad MEDUSA:

npm run security-scan

O intégralo en CI/CD:

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

Comparación

vs Otros MCP de NotebookLM

Seguridad y cumplimiento (único en este fork)

* Listo para cumplimiento: los controles técnicos a nivel de código están implementados. El cumplimiento completo también requiere controles de procesos organizativos y certificación formal mediante auditoría de terceros.

Conclusión: Si necesitas más que consultas básicas, o te importa la seguridad, solo hay una opción.

Historial de versiones

Reportar vulnerabilidades

¿Encontraste un problema de seguridad? No abras una incidencia pública en GitHub.

Correo electrónico: support@pantheonsecurity.io

Créditos

• Servidor MCP original: Gérôme Dexheimer — notebooklm-mcp
• Endurecimiento de seguridad: Pantheon Security
• Criptografía post-cuántica: @noble/post-quantum
• API de Gemini: Google AI

Licencia

MIT — Igual que la original.