클로드코드 + 노트북LM = AI 리서치 끝판왕!
📺 원본 영상: 클로드코드 + 노트북LM = AI 리서치 끝판왕! 🎙️ 채널: 시민개발자 구씨 📅 정리 일자: 2026-03-21 ⚠️ Note: 본 리포트는 영상의 음성을 텍스트로 변환(STT)하여 정리한 것입니다. 화면에 표시된 자료(차트, 코드, 슬라이드 등)는 포함되지 않을 수 있습니다.
개요
이 영상은 NotebookLM과 Claude Code를 NLM CLI라는 도구를 통해 연동하여, 기존에 수동 복사·붙여넣기로 처리하던 리서치 워크플로우를 자연어 명령 하나로 자동화하는 방법을 시연한다. 단순한 도구 소개에 그치지 않고, MCP와 CLI 두 가지 연동 방식의 차이와 각각의 적합한 사용 시나리오를 명확히 비교함으로써, 비개발자도 자신의 업무 맥락에 맞는 선택을 내릴 수 있도록 안내한다.
NotebookLM과 Claude Code, 두 도구 사이의 간극
NotebookLM은 소스 기반의 정확도 높은 분석을 제공하는 강력한 리서치 도구다. 사용자는 유튜브 링크나 문서를 업로드하면 오디오 팟캐스트, 인포그래픽, 딥리서치(Deep Research) 보고서 등 다양한 형태의 결과물을 얻을 수 있다. 그런데 여기서 불편함이 생기기 시작한다. NotebookLM에서 도출한 인사이트를 Claude Code로 가져와 최종 보고서로 다듬거나, PPT나 마크다운 파일로 저장하려면 지금까지는 결과를 직접 복사해서 다른 도구에 붙여넣는 수동 작업이 불가피했기 때문이다. 강연자는 바로 이 간극을 메우는 것이 오늘 영상의 핵심 주제라고 소개하며, NLM CLI를 통해 이 두 도구를 하나의 자연어 명령 흐름 안에서 연결할 수 있게 되었음을 강조한다.
NLM CLI - 터미널로 NotebookLM을 원격 조종하다
NLM CLI는 사용자가 터미널 명령어를 통해 NotebookLM의 주요 기능을 브라우저 없이 실행할 수 있도록 해주는 오픈소스 도구다. 브라우저에서 마우스로 클릭해야 했던 노트북 생성, 소스 추가, 채팅 질의, 오디오 팟캐스트 생성, 인포그래픽 생성 등의 모든 작업이 명령어 한 줄로 실행된다는 점에서, 이 도구의 가치는 단순한 편의성을 넘어 자동화 가능성에 있다. 그러나 명령어를 직접 타이핑하는 방식은 비개발자에게 여전히 진입 장벽이 될 수 있다. 강연자는 이 문제를 Claude Code와의 조합으로 해결한다. Claude Code에 자연어로 요청하면, Claude Code가 NLM 스킬을 참조해 적절한 CLI 명령어로 변환하여 실행하고 그 결과를 다시 사용자에게 정리해 돌려준다는 것이다.
MCP vs CLI - 어떤 연동 방식을 선택해야 하는가
Claude Code 같은 AI 에이전트 도구에서 외부 서비스를 연동하는 방법은 크게 MCP(Model Context Protocol)와 CLI 두 가지로 나뉜다. MCP는 서버가 항상 실행 중인 상태에서 AI 에이전트가 필요할 때마다 해당 기능을 호출하는 방식인데, 연동된 MCP 도구의 수만큼 그 정보들이 컨텍스트 창(Context Window)에 항상 로드되어 있어야 한다. 강연자에 따르면, MCP 도구가 35개라면 35개 모두의 도구 정보가 컨텍스트를 차지하게 되고, 서버가 불안정할 경우 크래시나 좀비 프로세스(Zombie Process) 같은 비정상적인 상황이 발생할 수 있다는 단점이 있다.
반면 CLI 방식은 명령어를 실행할 때만 해당 도구를 호출하기 때문에 컨텍스트 소비가 훨씬 제한적이다. 또한 Claude Code는 터미널 환경에서 실행되므로 터미널 명령어와 그에 따른 에러 메시지를 매우 잘 이해하고 처리할 수 있다는 추가적인 이점이 있다. 강연자는 이 두 가지 방식의 적합한 사용 기준을 명확히 제시한다. Notion, Google Calendar, Gmail처럼 서비스 공식 MCP가 제공되는 경우라면 MCP를 활용하는 것이 충분히 효율적이지만, 공식 MCP 없이 커뮤니티에서만 제공되는 도구라면 CLI 방식이 더 안정적이고 효율적이라는 것이다.
02:36 - MCP와 CLI 두 가지 연동 방식 비교 설명 화면 - 각 방식의 구조와 차이점
설치 및 초기 설정 - uvx부터 구글 계정 연동까지
NLM CLI의 설치는 uvx라는 패키지 인스톨러를 통해 이루어진다. uvx가 없는 경우 Claude Code에 설치를 요청하면 자동으로 처리해 준다. 이후 GitHub 문서에 안내된 uvx tool install notebook-llm-mcp-cli 명령어로 NLM CLI를 설치하고, nlm login 명령어를 통해 자신의 구글 계정과 연동하면 기본 설정이 완료된다.
05:09 - VS Code 터미널에서 Claude Code를 통해 uvx 및 NLM CLI 설치 진행 화면
설치 이후에는 NLM 스킬(Skill)을 Claude Code 프로젝트에 추가하는 단계가 필요하다. 강연자는 스킬을 글로벌이 아닌 해당 프로젝트 내부에만 적용되도록 프로젝트 단위로 설치하는 방식을 택했다. 스킬 설치 후에는 Claude Code를 재시작(/exit 후 재실행)해야 프로젝트 스킬이 정상적으로 인식된다는 점도 안내한다. 이 스킬은 Claude Code가 사용자의 자연어 요청을 NLM CLI가 이해하는 터미널 명령어로 더 정확하게 변환할 수 있도록 도와주는 일종의 컨텍스트 가이드 역할을 한다.
07:11 - .claude 폴더 내 NLM 스킬 설치 완료 및 프로젝트 스킬 활성화 확인 화면
실전 활용 1 - 3-4시간짜리 팟캐스트를 26분으로 압축하다
강연자가 첫 번째로 시연하는 사용 사례는 AI 업계 CEO들의 팟캐스트 영상 세 개를 NotebookLM에 소스로 추가하고, 한국어 오디오 브리핑을 자동으로 생성하는 것이다. 원래라면 각 영상을 열고, NotebookLM에 접속하여, 노트북을 만들고, 링크를 하나씩 소스로 추가한 뒤, 오디오 생성을 요청하는 여러 단계를 수동으로 수행해야 한다. 그러나 Claude Code에 자연어로 “AI CEO 인터뷰 분석 노트북을 만들고 영상 3개를 소스로 추가한 뒤 한국어 오디오 브리핑을 만들어줘”라고 요청하면, Claude Code가 NLM 스킬을 로드하고 nlm source-add 등의 명령어를 순차적으로 실행하여 최종 오디오 파일을 지정된 디렉토리에 저장해 준다.
강연자에 따르면 이 방식으로 3-4시간 분량의 인터뷰 콘텐츠가 26분짜리 팟캐스트로 생성되었다. 더 중요한 점은 이 결과물이 NotebookLM의 소스 기반 생성 방식을 따르기 때문에, 일반적인 LLM의 환각(Hallucination) 현상을 최대한 억제한 신뢰도 높은 요약이라는 것이다. 출퇴근 시간에 이 26분짜리 요약 팟캐스트를 청취하는 것으로 몇 시간 분량의 콘텐츠를 소화할 수 있다는 점에서, 정보 밀도와 시간 효율 모두를 잡는 실용적인 워크플로우라 할 수 있다.
08:42 - nlm source-add 명령어로 유튜브 영상 3개 소스 추가 후 오디오 파일 생성 완료 화면
실전 활용 2 - 채팅 기반 인사이트 추출과 마크다운 보고서 자동 생성
두 번째 사용 사례는 앞서 추가한 소스를 바탕으로 NotebookLM에 채팅 질의를 던지고, 그 답변을 마크다운 파일로 자동 저장하는 흐름이다. 강연자는 “CEO들이 공통으로 강조하는 AI 트렌드가 무엇인지, 그리고 각자 입장의 차이가 있다면 어떤 부분인지 분석하고, 결과를 마크다운 파일로 저장해달라”고 요청했다. Claude Code는 이 요청을 처리하기 위해 해당 질문들을 NotebookLM 채팅으로 전달하고 답변을 수신한 뒤, 공통 트렌드와 입장 차이를 구조화하여 마크다운 문서로 만들어 저장했다.
강연자는 이 워크플로우의 핵심 원리를 ‘역할 분담’으로 설명한다. NotebookLM은 소스에 충실한 환각 없는 인사이트 도출을 담당하고, Claude Code는 그 결과를 받아 종합하고 구조화하여 파일로 저장하는 역할을 맡는다. 각 도구가 가장 잘할 수 있는 영역을 담당하게 함으로써, 결과물의 신뢰도와 가공 능력을 동시에 확보할 수 있다는 것이다. 이러한 역할 분담 모델은 단순한 기술 조합을 넘어 AI 도구를 활용하는 설계 철학으로서 주목할 만하다.
10:00 - CEO 인터뷰 비교 분석 마크다운 문서 생성 결과 - 공통 트렌드 5가지 및 입장 차이 정리
실전 활용 3 - 딥리서치로 외부 소스를 자동 수집하고 보고서로 통합하다
세 번째 사용 사례는 NotebookLM의 딥리서치(Deep Research) 기능을 활용하여 사용자가 직접 소스를 제공하지 않아도 주제에 맞는 외부 소스를 자동으로 수집하고, 이를 기반으로 종합 보고서를 생성하는 것이다. 강연자는 “AI 에이전트 트렌드 관련해서 딥리서치를 진행하고, 파일로 저장해달라”고 요청했다. Claude Code는 AI 에이전트 트렌드 2026 키워드로 딥리서치를 실행하고, 자동으로 수집된 소스들을 임포트한 뒤 추가 채팅 질의를 병행하여 최종 마크다운 보고서를 생성했다.
강연자는 딥리서치 과정에서 기본적으로 생성되는 브리핑 다큐멘트(Briefing Document)를 마크다운 형태로 추가 추출하는 작업도 시연했다. PDF 형태의 결과물을 직접 가져오는 것은 완전히 동작하지 않아 삭제했지만, 브리핑 다큐멘트는 마크다운 포맷으로 정상적으로 추출되었다는 점도 투명하게 공유한다. 이처럼 아직 완벽하지 않은 부분이 있음을 인정하면서도, 딥리서치 보고서와 브리핑 다큐멘트 두 가지 문서를 성공적으로 확보했다는 점에서 실용적인 결과를 달성했다.
11:20 - AI 에이전트 트렌드 딥리서치 완료 후 생성된 종합 보고서 마크다운 파일 내용
실전 활용 4 - 회사 내부 문서와 딥리서치 결과를 결합한 PDF 전략 보고서
가장 완성도 높은 마지막 사용 사례는 외부 리서치 결과를 회사 내부 맥락과 결합하여 실무에서 바로 활용 가능한 전략 보고서를 생성하는 것이다. 강연자는 가상의 AI 교육 회사 ‘구시컴퍼니’의 비즈니스 미션 문서와 브랜드 디자인 가이드라인을 레퍼런스 폴더에 추가하고, “앞서 생성한 딥리서치 보고서 두 가지와 회사 비즈니스 컨텍스트, 브랜드 가이드라인을 모두 읽어서, 이 리서치 내용을 우리 사업 관점에서 해석한 전략 보고서를 한국어 PDF로 만들어달라”고 요청했다.
이 작업에는 NLM 스킬 외에도 Claude Code의 PDF 스킬이 추가로 활용되었다. Claude Code가 기본 제공하는 플러그인 중 다큐멘트(Document) 스킬이 포함된 플러그인을 설치하면 PDF 생성 기능을 사용할 수 있다. 최종 산출물로는 목차, 에그제큐티브 서머리(Executive Summary), 핵심 지표 우선순위 분석, 전략적 기회 및 리스크 분석, 액션 플랜, 중장기 로드맵이 포함된 구조화된 PDF 보고서가 생성되었으며, 브랜드 가이드라인에 명시된 키 컬러까지 반영된 디자인이 적용되었다. 강연자는 이 사례를 통해, 리서치 수집 단계부터 최종 결과물 생성까지의 전체 업무 프로세스를 Claude Code 안에서 자연어만으로 관리할 수 있다는 이 워크플로우의 핵심 가치를 재확인한다.
14:51 - 브랜드 가이드라인 컬러가 반영된 구시컴퍼니 AI 전략 보고서 PDF 완성본 화면
한계와 현실적 고려사항
강연자는 NLM CLI의 실용성을 설명하면서도 중요한 한계를 솔직하게 언급한다. 이 도구는 구글이 공식으로 제공하는 것이 아니라 커뮤니티에서 개발·유지보수하는 도구이기 때문에, NotebookLM의 UI가 변경되거나 내부 구조가 바뀔 경우 정상적으로 동작하지 않을 수 있다. 현재로서는 커뮤니티 기반 도구 중 유지보수가 가장 활발하고 안정적인 도구이기 때문에 추천할 수 있지만, 구글이 공식 API나 MCP를 출시한다면 그것으로 전환하는 것이 더 바람직하다는 것이다.
이러한 한계는 오늘 영상의 사용 사례에서도 일부 드러났다. 딥리서치 완료 후 자동으로 생성되는 PDF 파일을 직접 가져오는 기능이 완전히 동작하지 않아 우회 방법을 사용해야 했던 것이 그 예다. 강연자의 이런 투명한 시연 방식은, 이 도구를 도입하려는 사용자가 현실적인 기대치를 설정하는 데 도움이 된다.
마무리 - 도구의 역할 분담이 만드는 생산성의 레버리지
이 영상이 제안하는 워크플로우의 본질은 단순히 새로운 도구를 쓰는 것이 아니라, 각 AI 도구의 강점을 설계적으로 조합하는 것이다. NotebookLM은 소스 기반의 신뢰도 높은 분석을 담당하고, Claude Code는 그 결과를 받아 구조화·자동화·파일 생성까지 처리하는 오케스트레이터 역할을 맡는다. 이 역할 분담 덕분에 리서치의 정확도와 결과물의 완성도를 동시에 확보할 수 있다.
강연자는 이 기본 프레임을 바탕으로, 자신만의 업무 스킬을 추가하거나 요구하는 분석 항목을 구체화하면 보고서의 완성도를 더 높일 수 있다고 강조한다. 설치 가이드와 관련 프롬프트는 영상 설명란의 가이드 문서에서 제공될 예정이다.
📚 출처 및 참고
| 구분 | 내용 |
|---|---|
| 원본 영상 | 클로드코드 + 노트북LM = AI 리서치 끝판왕! |
| 채널 | 시민개발자 구씨 |
| 리포트 작성 | 2026-03-21 |
| 작성 방식 | YouTube 영상 STT 변환 후 에디팅 |
💬 본 리포트는 영상 내용을 바탕으로 재구성되었습니다. 정확한 내용은 원본 영상을 참조해 주세요.