notebooklm-py es una biblioteca Python no oficial, de código abierto y licencia MIT, que ofrece acceso programático completo a Gemini Notebook, la herramienta de investigación de Google conocida como NotebookLM hasta julio de 2026. Desarrollada por Teng Lin, permite crear cuadernos, importar fuentes, generar podcasts, videos, presentaciones y quizzes, y descargar todo localmente mediante Python, línea de comandos y agentes de IA.

¿Qué es NotebookLM-py y para qué sirve?

Se trata de un proyecto comunitario descrito por su autor como una habilidad y API Python completa para NotebookLM, con acceso a funciones que la interfaz web no expone. Con más de 2,500 commits en su repositorio, pruebas automatizadas continuas y unas 20,000 estrellas en GitHub, es hoy una de las bibliotecas de automatización más populares del ecosistema de Google. La biblioteca opera sobre APIs no documentadas de Google, por lo que sus propios desarrolladores advierten que no está afiliada a la empresa, que los puntos de conexión pueden cambiar sin aviso y que el uso intensivo puede enfrentar límites de tarifa.

Tras el cambio de nombre de julio de 2026, cuando Google renombró NotebookLM como Gemini Notebook e integró la herramienta en su ecosistema de IA, la biblioteca continúa funcionando sin cambios sobre el mismo servicio, tal como explicamos en nuestro artículo sobre la transición de NotebookLM a Gemini Notebook.

¿Qué formas de usar la biblioteca existen?

El proyecto ofrece cinco vías de integración según el perfil del usuario, todas documentadas en su README oficial:

¿Qué funciones ofrece más allá de la interfaz web?

El valor central del proyecto está en lo que la interfaz oficial no permite hacer. La biblioteca cubre la gestión completa de cuadernos y fuentes, chat con historial y personas personalizadas, notas, etiquetas de fuentes generadas por IA, agentes de investigación web y de Drive con autoimportación, y control programático de permisos de uso compartido.

En generación de contenido, la biblioteca admite resúmenes de audio en cuatro formatos, longitudes configurables y más de 50 idiomas; resúmenes de video con ocho estilos visuales; presentaciones descargables en PDF o PPTX con revisión de diapositivas individuales mediante lenguaje natural; infografías, quizzes, flashcards, reportes, tablas de datos en CSV y mapas mentales exportables como JSON jerárquico.

• Descargas por lotes: obtener todos los artefactos de un tipo de una sola vez.
• Exportación estructurada: quizzes y flashcards en JSON, Markdown o HTML.
• Acceso al texto completo: recuperar el contenido indexado de cualquier fuente.
• Historial de chat persistente: guardar conversaciones completas como notas del cuaderno.

¿Cómo instalar la biblioteca paso a paso?

La versión actual del paquete es la 0.8.6, publicada en PyPI, y requiere Python 3.10 o posterior. La instalación recomendada para usuarios de CLI y agentes de IA utiliza uv, un gestor de paquetes de Python, o pipx, que instala el comando en un entorno aislado sin conflictos de dependencias. El flujo básico documentado es el siguiente:

1. Ejecutar uv tool install “notebooklm-py[browser]” desde la terminal.
2. Correr notebooklm login; la primera ejecución descarga Chromium y abre el inicio de sesión de Google.
3. Verificar la autenticación con notebooklm auth check –test –json, que debe devolver un estado correcto.

El repositorio también documenta un backend experimental llamado Android que utiliza el servicio gRPC móvil de NotebookLM con autenticación de portador, útil para ejecuciones sin cookies de navegador. Sus autores recomiendan usar una cuenta dedicada, dado que el token maestro funciona como una credencial de cuenta completa.

¿Por qué importa para los agentes de IA?

Resulta particularmente interesante que el patrón de uso más promovido por el proyecto sea el de capa de síntesis sin tokens: el usuario carga decenas de documentos en un cuaderno, deja que Gemini haga el análisis pesado del lado del servidor y su agente solo orquesta las operaciones. Esto reduce el consumo de tokens del agente a la etapa final de pulido.

La biblioteca se integra con agentes como Claude Code y Codex mediante un servidor MCP que puede ejecutarse de forma local o autohospedarse detrás de un túnel de Cloudflare o Tailscale, lo que permite controlar toda la herramienta desde la aplicación móvil. Los casos de uso documentados incluyen resúmenes de audio programados, construcción de planes de estudio por temas y creación de manuales de incidentes a partir de documentación técnica, flujos que complementan las formas prácticas de usar NotebookLM para investigar y acelerar tareas que ya explicamos en OneDigital.

¿Qué riesgos implica usar una API no oficial?

Lo cierto es que el proyecto es transparente con sus limitaciones. Al basarse en APIs internas no documentadas, cualquier cambio de Google puede romper la biblioteca, y el uso intensivo puede resultar limitado por tasas de transferencia. Sus propios mantenedores lo recomiendan para prototipos, investigación y proyectos personales, más que para sistemas críticos en producción.

Aun con esas advertencias, el ecosistema de recetas que la comunidad ha construido sobre la biblioteca, desde sincronización con Obsidian hasta resúmenes de audio programados, muestra un nivel de madurez notable. Para creadores que ya dominan los flujos avanzados de la herramienta, este tipo de bibliotecas abren la puerta a automatizaciones imposibles desde la interfaz, en la línea de los flujos de trabajo avanzados de NotebookLM para creadores que documentamos hace algunos meses.

El código fuente está disponible en el repositorio oficial de notebooklm-py en GitHub, y el paquete puede instalarse desde su ficha oficial en PyPI.