NotebookLMとClaude Codeをつなぐツールを使うと、
重い文書分析をGeminiに任せてトークンを大幅に節約できます。
100ページのPDFを全部Claude Codeに読ませる代わりに、
NotebookLMに「ここだけ教えて」と聞く。
短い回答だけが返るのでトークン消費が激減します。
この記事では、連携の仕組み・2つのツールの違い・導入手順・注意点を解説します。
Claude Codeを毎日使ってると「トークン足りない問題」にぶつかりますよね。
とくにリサーチ系の作業。
資料を何本も読ませて、比較させて、まとめさせると、あっという間に上限に達する。
「読む」部分をNotebookLMに外注すれば、
Claude Codeは「考える」と「書く」に集中できます。
Claude Codeのトークン消費を減らしたい人、
リサーチ作業をAIで効率化したい人向けの記事です。
Claude Codeだけで読む場合とNotebookLMに外注する場合、何が違う？
まず、なんでNotebookLMを経由する必要があるのか。
Claude Codeに直接PDFを読ませればいいじゃん、って思いますよね。
そう。読めます。
でも問題は「トークンの消費量」です。
100ページのPDFをClaude Codeに読ませると、
それだけで数万トークン消費します。
しかも1回読んだだけでは終わらない。
「さっきの資料の3章の部分、
もう一回見て」と追加で聞くと、
また同じ分のトークンがかかる。
同じ資料を何度も読み直すたびに、トークンが溶けていく。
NotebookLMを間に挟むと、この構造が変わります。
| Claude Codeだけ | NotebookLMに外注 | |
|---|---|---|
| 文書の読み込み | Claude Codeが全文を読む。トークン大量消費 | NotebookLMが読む。Claude Codeのトークンは使わない |
| 質問への回答 | 全文を保持した状態で回答。高精度だがトークン重い | NotebookLMが回答を生成→短い回答だけClaude Codeに返す |
| 複数回の質問 | 毎回全文を参照。トークンが積み上がる | 毎回NotebookLMに聞くだけ。Claude Code側の消費は最小限 |
| ハルシネーション | Claude Codeの知識+文書で回答。混ざることがある | NotebookLMはアップロードした文書だけで回答。出典付き |
| コスト | Claude Codeのサブスク内だが上限に早く到達 | NotebookLM側は無料。Claude Codeの消費が減る |
仕組みの裏側はシンプルです。
NotebookLMは、
アップロードした文書をGemini（GoogleのAI）がインデックス化（検索しやすい形に整理）します。
質問を投げると、関連する部分だけを拾って回答を作る。
Claude Codeに返ってくるのは、この「整理された回答」だけ。
たとえるなら、
図書館に行って本を全部借りてきて自分で読むか（Claude Code直読み）、
図書館の司書に「この内容について教えて」と聞いて要点だけもらうか（NotebookLM経由）の違いです。
司書に聞いたほうが早いし、持ち帰る荷物（トークン）も軽い。
NotebookLM × Claude Codeはどんな場面で使える？
SWOT分析まで自動化
AIの外部脳にする
Obsidian連携も可能
大量の資料を横断してリサーチレポートを書く
たとえば競合分析のレポートを書くとします。
5社の資料を10本ずつ、合計50本のPDFや記事。
これを全部Claude Codeに読ませたら、トークンが一瞬で蒸発します。
NotebookLMに50本の資料を全部放り込んで、
Claude Codeから「A社とB社の価格戦略の違いは？」と質問する。
NotebookLMが出典付きで回答してくれて、
Claude Codeはその回答をもとにレポートを構成する。
公式ドキュメントを「AIの外部脳」にする
新しいツールやフレームワークを使う時。
公式ドキュメントが数百ページあって、全部読むのは現実的じゃない。
NotebookLMにドキュメントを入れて、
Claude Codeから「このAPIの使い方を教えて」と聞く。
NotebookLMがドキュメントの該当部分だけ拾って回答してくれるので、
Claude Codeのトークンはほとんど使いません。
しかもNotebookLMはアップロードした文書だけで回答するので、
ハルシネーションのリスクが低い。
過去の作業記録を「セッションをまたぐ記憶」にする
Claude Codeはセッションを閉じると文脈がリセットされます。
でも、
前回の作業内容をNotebookLMに保存しておけば、
次のセッションで「前回何やったっけ？」とClaude CodeからNotebookLMに聞ける。
セッションをまたいだ永続メモリとして機能します。
NotebookLM × Claude Code連携に必要なものは？
Claude Codeのサブスクリプション（Pro $20/月以上）。
Googleアカウント。
NotebookLMはGoogleのサービスなので、
Googleアカウントがあれば無料で使えます。
Python 3.10以上。連携ツールがPythonで動くので必要です。
連携ツールは2種類あります（後述）。どちらも無料のオープンソースです。
NotebookLM × Claude Code連携の導入手順は？
どっちを使う？ 2つのツールの違い
| notebooklm-py | notebooklm-skill | |
|---|---|---|
| 用途 | フル機能（ノート作成・音声・クイズ・マインドマップ等） | 質問→回答に特化。軽量 |
| GitHub Stars | 約9,900 | 約5,700 |
| ライセンス | MIT | 公開 |
| おすすめ | NotebookLMを使い倒したい人 | とりあえず試したい人 |
「とりあえず試したい」ならnotebooklm-skill。
「NotebookLMの全機能を使い倒したい」ならnotebooklm-py。
ステップ1: セキュリティチェック
どちらもオープンソースです。
最終更新日とIssueを確認してからインストールしてください。
Claude Codeを開いて「このリポジトリのコードを読んで、
セキュリティ上の問題がないかチェックして」と伝えます。
ステップ2: インストール
notebooklm-skillの場合、
Claude Codeに「notebooklm-skillをインストールして」と伝えます。
Claude Codeがリポジトリをダウンロードして配置してくれます。
notebooklm-pyの場合は「pip install notebooklm-py を実行して」とClaude Codeに頼めば自動で実行してくれます。
ステップ3: Googleアカウントでログイン
初回だけ、
NotebookLMにGoogleアカウントでログインする必要があります。
ブラウザが自動で開くので、ふつうにGoogleアカウントでログインすればOK。
一度ログインすれば、認証情報が保存されて次回以降は自動ログインになります。
ステップ4: NotebookLMに資料を入れる
NotebookLMの画面で、分析したい資料をアップロードします。
PDF、URL、YouTube動画、Googleドライブのファイルが使えます。
notebooklm-pyならClaude Codeから直接「このURLをNotebookLMに追加して」とコマンドで操作できます。
ステップ5: Claude CodeからNotebookLMに質問する
ここからが本番です。
Claude Codeで作業中に「NotebookLMに聞いて: この資料の中で、
A社の価格戦略について書かれている部分を教えて」と伝えます。
Claude Codeがnotebooklm-skillを通じてNotebookLMに質問を飛ばし、
回答が返ってきます。
回答にはソース（出典）が付いているので、
どの資料のどの部分から引用されたかがわかります。
Claude Codeはこの回答をもとにレポートを書いたり、
コードを組んだりできる。
資料の全文を読み込む必要がないので、トークン消費は回答の分だけで済みます。
NotebookLM × Claude Code連携のよくある疑問は？
Q. NotebookLMは無料で使える？
無料です。
Googleアカウントがあれば誰でも使えます。
有料のNotebookLM Plusもありますが、
基本機能は無料版で十分です。
Q. どのくらいトークンが節約できる？
節約量は「読ませたい資料の量」に比例します。
100ページのPDFを直接Claude Codeに読ませると数万トークンかかりますが、
NotebookLM経由なら質問1回あたり数百〜数千トークンで済みます。
Q. NotebookLMの回答は正確？
アップロードした文書だけを参照して回答するので、
ハルシネーションのリスクが低いです。
回答には出典が付くので確認できます。
ただし、
質問の仕方が曖昧だと的外れな回答が返ることはあります。
Q. 日本語の資料も使える？
使えます。
NotebookLMは日本語のPDFやWebページに対応しています。
質問も日本語でOKです。
NotebookLM × Claude Code連携の注意点は？
非公式ツールである。
notebooklm-pyもnotebooklm-skillも、
Googleの公式ツールではありません。
NotebookLMの内部APIを使っているので、
Googleが仕様を変えると動かなくなる可能性があります。
本番運用に組み込むより、
個人の作業効率化に使うのが向いています。
NotebookLMの制限。
1つのノートブックに入れられるソースには上限があります。
ヘビーに使うと、
NotebookLM側でレートリミットがかかることもあります。
機密情報の扱い。
NotebookLMにアップロードした資料はGoogleのサーバーに送られます。
社外秘の資料や個人情報を含むファイルは、
アップロードする前に社内ルールを確認してください。
この連携が示しているのは「AIに全部やらせるな。
得意な仕事を得意なAIに振れ」ということです。
Claude Codeは「考える」「書く」「コードを作る」が得意。
NotebookLM（Gemini）は「大量の文書を読んで要点を抜き出す」が得意。
1つのAIに全部詰め込む時代から、
複数のAIを連携させる時代に変わりつつあります。
まとめ
まずはNotebookLMの画面で、
手持ちの資料を1つアップロードしてみてください。
そこで質問してみて「あ、
ちゃんと答えてくれるな」と感じたら、
notebooklm-skillを入れてClaude Codeとつなげる。
リサーチ作業でトークンが溶けてた人は、この1手でかなり変わります。
参考リンク
- notebooklm-py（GitHub / 約9,900 stars / MIT License）
- notebooklm-skill（GitHub / 約5,700 stars）
- NotebookLM + Claude Code: 5 demos + 50 use cases（Substack）
※この記事の内容は執筆時点のものです。AIは進化が速い分野のため、最新の仕様は公式サイトでご確認ください。