🦞 26. NotebookLM 소스지능 × OpenClaw 운영자동화

한 줄 결론: NotebookLM은 근거를 모으고 해석하는 소스 지능, OpenClaw는 그 결과를 반복 실행·검증·배포하는 운영 자동화로 분리해야 성능과 품질이 함께 올라갑니다.

지금까지의 연동 작업(PoC, 인증, 스킬 설치, 크론 분산)을 기준으로, “실제로 굴러가는 운영안”을 한 번에 정리합니다.

안내: 본문은 생성형 AI를 활용해 작성·정리했으며, 실제 운영 로그를 근거로 구성했습니다.

문제 인식 (왜 이 구조가 필요했나)

• 소스 수집·해석·콘텐츠 제작·배포를 한 에이전트가 동시에 처리하면 병목이 빨리 옵니다.
• NotebookLM은 지식 추출에는 강하지만, 파일 정리/배포/스케줄 운영은 OpenClaw 쪽이 더 적합합니다.
• 반대로 OpenClaw만으로 모든 근거를 직접 긁으면 소스 정합성/업데이트 관리 비용이 커집니다.

flowchart LR
A[수집: YouTube·논문·문서] --> B[NotebookLM: 소스 지능]
B --> C[인사이트/근거]
C --> D[OpenClaw: 운영 자동화]
D --> E[블로그/슬라이드/오디오/비디오]
E --> F[검증/배포/인덱스]

핵심 요약

1. 수집/해석은 NotebookLM이 담당
2. 실행/검증/배포는 OpenClaw가 담당
3. 서브에이전트는 watcher / builder / maintainer로 분리
4. 품질은 공통 규칙(quality contract)으로 동등성 유지

🧠 칠판 치트시트

• NotebookLM = 근거 엔진, OpenClaw = 운영 엔진
• watcher는 소스, builder는 초안/생성, maintainer는 품질/배포
• 성능은 토큰 절감이 아니라 성공률·재현성·품질로 판단
• 인증 만료를 전제로 자동 no-op 설계가 필요

이번에 실제로 진행한 전체 셋업 (익명화/표준화 버전)

아래는 이번에 우리가 실제로 진행한 순서를 개인 정보 없이 표준화한 버전입니다.

0) 표준화 규칙 (개인정보 비노출)

• 계정 메일 → <YOUR_GOOGLE_ACCOUNT>
• 서버 주소 → <REMOTE_HOST>
• CDP 포트 → <CDP_PORT> (예: 9222)
• 노트북 ID → <NOTEBOOK_ID_...>
• 로컬 경로 → <PROJECT_ROOT>

1) NotebookLM CLI/MCP PoC 설치

PROJECT="$HOME/workspace/notebooklm-mcp-cli-poc"
python3 -m venv "$PROJECT/.venv"
"$PROJECT/.venv/bin/python" -m pip install --upgrade pip
"$PROJECT/.venv/bin/python" -m pip install notebooklm-mcp-cli
 
"$PROJECT/.venv/bin/nlm" --help
"$PROJECT/.venv/bin/notebooklm-mcp" --help

2) 원격 SSH 환경에서 Browser Relay/CDP 로그인

맥 로컬(Chrome 실행 측):

open -na "Google Chrome" --args --remote-debugging-port=<CDP_PORT> --user-data-dir="$HOME/.chrome-notebooklm-cdp"
ssh -NT -o ExitOnForwardFailure=yes -R 18800:127.0.0.1:<CDP_PORT> <REMOTE_USER>@<REMOTE_HOST>

원격 서버(SSH 세션):

NLM="<PROJECT_ROOT>/.venv/bin/nlm"
curl -s http://127.0.0.1:18800/json/version | head
$NLM login --provider openclaw --cdp-url http://127.0.0.1:18800 --clear --force
$NLM login --check
$NLM notebook list

💡 단축어 팁: 위 과정을 매번 수동으로 치기보다, 로컬/서버 각각 rel alias(스크립트)로 원클릭 실행하면 훨씬 안정적입니다. 실습형 명령 모음은 12. 브라우저 릴레이 연동 구조에 정리해두었습니다.

3) OpenClaw 쪽 스킬 셋팅

현재 버전에서는 nlm setup add openclaw가 미지원일 수 있어, 아래 경로를 사용했습니다.

NLM="<PROJECT_ROOT>/.venv/bin/nlm"
$NLM skill install openclaw --level user
$NLM skill list

4) MCP 종류 확인 + 활용 분류

• 직접 확인: mcporter list --stdio "<PROJECT_ROOT>/.venv/bin/notebooklm-mcp" --schema --json
• 분류: auth / notebook / source / research / studio / download / share / 기타

5) 운영 자동화 SOP/스크립트 구성

• 프로젝트: archive/projects/notebooklm-openclaw-ops
• 타깃: 00-brief/targets_v01.json
• 스크립트:
  • nlm_source_curator.py (수집)
  • nlm_insight_builder.py (활용)
  • nlm_studio_creator.py (생성)

6) 크론 + 서브에이전트 분산 적용

• watcher: 소스 stale sync (6시간)
• builder: 아침 인사이트 초안 생성 (매일)
• builder: 일요일 Studio 생성 큐 (주간)

공식/참고 링크 (MCP 포함)

• GitHub (NotebookLM CLI + MCP): https://github.com/jacob-bd/notebooklm-mcp-cli
• MCP 가이드: https://github.com/jacob-bd/notebooklm-mcp-cli/blob/main/docs/MCP_GUIDE.md
• CLI 가이드: https://github.com/jacob-bd/notebooklm-mcp-cli/blob/main/docs/CLI_GUIDE.md
• OpenClaw Cron CLI: https://docs.openclaw.ai/cli/cron
• OpenClaw Agents CLI: https://docs.openclaw.ai/cli/agents

용어/비유 설명

• 소스 지능(Source Intelligence): 원자료를 찾고, 구조화하고, 질의 가능한 상태로 만드는 능력
• 운영 자동화(Operation Automation): 정해진 규칙으로 반복 실행·검증·배포를 자동화하는 능력
• 비유하면, NotebookLM은 연구실, OpenClaw는 생산 라인입니다.

MECE 운영 프레임 (개념/원인/대응/실행)

• 개념: 지식 추출과 운영 실행을 분리하면 서로의 장점을 극대화할 수 있다.
• 원인: 단일 에이전트 집중 구조는 토큰·대기·품질 편차를 동시에 유발한다.
• 대응: 역할 분리 + 서브에이전트 배치 + 공통 품질 규약.
• 실행: 아래 SOP 루프(수집→활용→생성→검증)를 크론으로 고정.

1) 수집 레이어 설계 (NotebookLM 중심)

왜 필요한가

소스가 불안정하면 어떤 고급 자동화도 결과가 흔들립니다. 먼저 소스 신뢰성을 고정해야 합니다.

실전 적용

• YouTube/웹/텍스트/Drive를 NotebookLM 소스로 표준 수집
• stale source를 주기적으로 감지하고 sync
• 노트북을 주제별로 분리(예: weekly_brief, openclaw_ops)

공식 참고:

• NotebookLM CLI/MCP: https://github.com/jacob-bd/notebooklm-mcp-cli
• CLI 인증/명령: nlm login, nlm source stale, nlm source sync

실패 신호

• 동일 노트북에서 답변이 매번 달라지고 근거 링크가 불안정함

10초 체크

• “오늘 stale source 건수”를 숫자로 말할 수 있는가?

2) 활용 레이어 설계 (NotebookLM 질의 → 블로그 초안)

왜 필요한가

소스는 많아도 질문 설계가 없으면 콘텐츠로 전환되지 않습니다.

실전 적용

• notebook query로 고정 프롬프트 질의
  • 제목/왜지금/근거2개/추천포맷(검색형·비교형·에세이형)
• 초안은 OpenClaw draft 경로에 저장
• 내부 링크 동선은 OpenClaw 문서 규칙으로 보강

공식 참고:

• OpenClaw cron/agents: https://docs.openclaw.ai/cli/cron
• OpenClaw agents: https://docs.openclaw.ai/cli/agents

실패 신호

• 아이디어는 나오는데 발행 가능한 문서 구조로 이어지지 않음

10초 체크

• 초안 파일이 지정 경로(20-draft)에 생성됐는가?

3) 콘텐츠 생성 레이어 설계 (Studio + OpenClaw 패키징)

왜 필요한가

블로그만으로는 확산 채널이 제한됩니다. 같은 소스로 멀티 포맷을 뽑아야 효율이 올라갑니다.

실전 적용

• Studio 생성: audio/slides/video/infographic
• 필요 시 artifact 다운로드 후 Quartz 콘텐츠로 재가공
• 주간 루틴은 일요일 고정 큐로 운영

공식 참고:

• nlm audio create, nlm slides create, nlm video create, nlm infographic create
• download_artifact, export_artifact

실패 신호

• 생성 요청은 많지만 상태 추적/다운로드/배포 연결이 끊김

10초 체크

• studio status 확인 루프가 자동화되어 있는가?

4) 서브에이전트 역할 매핑 (실행 셋팅 기준)

• cron-watcher: 소스 큐레이션 (nlm_source_curator.py)
• cron-builder: 인사이트 초안 (nlm_insight_builder.py), 스튜디오 큐 (nlm_studio_creator.py)
• cron-maintainer: 품질게이트/배포 정리 (v2 확장 예정)

현재 적용된 SOP/스크립트:

• archive/projects/notebooklm-openclaw-ops/30-output/20260224_notebooklm-openclaw_sop_v01.md
• archive/projects/notebooklm-openclaw-ops/30-output/scripts/*.py

적용 체크리스트

• NotebookLM 인증 상태(nlm login --check)가 정상인가
• 타깃 노트북 ID/카테고리 맵이 targets_v01.json에 고정됐는가
• 수집/활용/생성 크론이 역할별 agent로 배정됐는가
• no-op 시 NO_REPLY 규칙이 적용됐는가
• 초안→검증→배포 경로가 파일 기준으로 추적 가능한가

다음 읽기

• 🦞 20. 운영 아키텍처·규칙
• 🦞 25. 크론 서브에이전트 분산운영
• 🦞 06. Cron Job
• 🦞 12. 브라우저 릴레이 연동 구조