Claude Code는 강력한 AI 리서치 에이전트지만, 단독으로는 리서치 결과의 질이 웹 검색 수준에 그친다. 이 글에서는 Claude Code에 NotebookLM을 연결해 YouTube 영상을 자동으로 스크래핑하고, 자막을 분석하며, 인포그래픽·슬라이드·팟캐스트 같은 결과물까지 생성하는 워크플로우를 소개한다. 기존에 수백 달러짜리 RAG 인프라가 필요했던 작업을 5분 설정과 거의 제로 토큰으로 구현할 수 있다.
Claude Code + NotebookLM 조합이 강력한 이유
대부분의 사람들이 Claude Code로 리서치할 때는 웹 검색 툴을 사용하고 결과를 그냥 믿는 방식에 그친다. 하지만 이 조합은 다르다. Claude Code가 YouTube에서 데이터를 긁어오면, NotebookLM이 실제 분석과 결과물 생성을 담당한다. 핵심은 분석 비용을 Google이 부담한다는 점이다. Claude Code는 요청을 전달하고 결과를 가져오는 데만 소량의 토큰을 쓰고, 무거운 분석은 NotebookLM이 무료로 처리한다.
영상에서 시연한 결과를 보면 그 위력이 실감된다. 단 하나의 프롬프트로 Claude Code가 YouTube에서 20개 영상 소스를 NotebookLM에 업로드했고, NotebookLM은 상위 5가지 Claude Code 스킬과 트렌드를 분석해 돌려줬다. 이어서 손으로 그린 청사진 스타일의 인포그래픽 결과물까지 프로젝트 폴더에 자동으로 생성됐다.
이 조합이 특히 강력한 두 번째 이유는 NotebookLM 자체의 성능이다. 스크래핑 시스템, RAG 시스템, 분석 시스템, 결과물 생성 시스템을 직접 구축하려면 엄청난 공수가 든다. NotebookLM은 이 모든 것을 무료로 제공한다.
파이프라인 구성: YouTube 검색 스킬
워크플로우의 첫 번째 파트는 YouTube에서 데이터를 가져오는 것이다. 이를 위해 yt-dlp 의존성을 사용하는 커스텀 YouTube 검색 스킬을 Claude Code에 추가한다. 이 스킬은 Python 스크립트로 YouTube 메타데이터를 스크래핑하며, 검색어를 입력하면 제목, 조회수, 작성자, 날짜 등의 정보를 돌려준다.
스킬 설정 방법은 두 가지다. 첫째, Claude Code에게 직접 yt-dlp를 사용하는 YouTube 스크래퍼 스킬을 만들어달라고 요청하는 방법. 둘째, 채널의 무료 커뮤니티에서 스킬 설정 파일을 다운로드해 Claude Code에 전달하는 방법이다. Claude Code 안에서 슬래시 커맨드 /yt-search로 실행하거나 일반 언어로 요청할 수 있다.
파이프라인 구성: NotebookLM 연결
NotebookLM에는 공개 API가 없다. 이 문제를 해결한 것이 Tang Ling이 만든 notebooklm-py GitHub 저장소다. 이 도구는 NotebookLM의 비공식 Python API 역할을 한다.
설치 과정은 다음과 같다. 저장소의 명령어를 터미널에 붙여넣어 초기 설치를 완료한다. 이후 notebooklm-py의 로그인 명령어를 실행하면 Chrome 창이 열리고, Google 계정으로 한 번만 로그인하면 인증이 완료된다. 마지막으로 Claude Code 안에 NotebookLM 스킬을 추가한다.
스킬은 본질적으로 텍스트 프롬프트다. “노트북을 생성하는 방법, 콘텐츠를 생성하는 방법”을 Claude Code에게 가르쳐주는 지침서 역할을 한다. 설치 후에는 일반 언어로 요청하면 된다. “이 소스들로 NotebookLM에 새 노트북을 만들어줘”, “플래시카드를 만들어줘”, “인포그래픽을 만들어줘” 같은 식이다.
NotebookLM은 웹 UI에서 할 수 있는 모든 것을 이 API로도 할 수 있다. 오디오 오버뷰, 마인드맵, 플래시카드, 인포그래픽, 배치 다운로드, 퀴즈 및 플래시카드 내보내기 등이 있다.
실전 가이드
영상의 워크플로우를 단계별로 따라해볼 수 있다.
- YouTube 검색 스킬 설정: Claude Code에게 yt-dlp를 사용하는 커스텀 YouTube 스크래퍼 스킬을 만들어달라고 요청하거나, 채널의 무료 커뮤니티에서 스킬 설정 파일을 받아 Claude Code에 전달한다. yt-dlp가 시스템에 설치되어 있어야 한다.
- notebooklm-py 설치: 별도 터미널에서 GitHub 저장소의 설치 명령어를 실행하고,
notebooklm login으로 Chrome을 통해 Google 계정에 한 번 로그인한다. 이후 Claude Code 안에 NotebookLM 스킬을 추가한다. - 전체 워크플로우 실행: Claude Code에서 하나의 프롬프트로 실행한다. “YouTube에서 [주제] 최신 영상을 찾아 NotebookLM에 업로드하고, [원하는 분석/결과물]을 만들어줘” 형식으로 요청하면 된다. NotebookLM은 최대 50개 소스를 지원한다.
알아두어야 할 한계
이 워크플로우는 몇 가지 한계가 있다. notebooklm-py는 비공식 API이므로 Google의 정책 변경에 따라 언제든 작동이 중단될 수 있다. YouTube 검색 스킬 파일은 채널의 커뮤니티를 통해 배포되므로 설치 과정에서 커뮤니티 가입이 필요하다. yt-dlp 역시 YouTube의 정책 변화에 영향을 받을 수 있다. 실제 서비스 환경에서 사용하려면 이런 의존성의 안정성을 고려해야 한다.
핵심 요점
- Claude Code와 NotebookLM의 역할 분담이 핵심이다. Claude Code는 데이터 수집과 요청 전달을 담당하고, 무거운 분석과 결과물 생성은 NotebookLM이 Google 비용으로 처리한다. 이 구조 덕분에 토큰 비용이 거의 들지 않는다.
- 5분 설정으로 수백 달러짜리 리서치 스택을 대체할 수 있다. 스크래핑, RAG, 분석, 결과물 생성 시스템을 직접 구축하면 복잡하고 비용도 든다. 이 조합은 그 모든 것을 무료로 처리한다.
- notebooklm-py는 NotebookLM의 비공식 Python API다. Tang Ling이 제작한 이 도구 덕분에 공개 API가 없는 NotebookLM을 Claude Code 워크플로우에 통합할 수 있다. 최초 Google 로그인 한 번으로 인증이 완료된다.
- YouTube 검색 스킬은 yt-dlp 기반이다. 영상 제목, 조회수, 작성자, 날짜 등 메타데이터를 스크래핑하며, Claude Code 안에서 슬래시 커맨드나 일반 언어로 사용할 수 있다. NotebookLM은 최대 50개 소스를 처리한다.
- 결과물 종류는 제한이 없다. 오디오 오버뷰, 마인드맵, 플래시카드, 인포그래픽, 슬라이드 등 NotebookLM이 지원하는 모든 결과물을 Claude Code 터미널에서 일반 언어로 요청할 수 있다.