Notebook LM과 Anti-gravity 연동 핵심 정리

핵심 요약

Notebook LM은 '무한 대용량 리서치·지식 베이스', Anti-gravity는 '그 지식을 활용해 앱·시스템을 짓는 빌더' 역할을 한다.

두 도구를 MCP(Model Context Protocol)로 연결하면, 깊은 리서치·학습·콘텐츠 생성을 자동화하면서도 토큰 비용을 크게 줄인 AI 시스템을 만들 수 있다.

이 구조를 이해하면, 개인 공부부터 비즈니스 자동화까지 "리서치 → 전략 → 실행 → 제품화" 전체를 AI로 설계할 수 있다.

Notebook LM과 Anti-gravity의 역할 분담 이해하기

Notebook LM은 '읽고 이해하는 두뇌'에 가깝다.

PDF, 문서, 유튜브 링크, 웹 아티클, 구글 드라이브 자료 등 수십 개의 자료를 한 번에 ingest하고, 그 안에서 질문에 답하고, 요약하고, 구조화된 출력(오디오, 슬라이드, 인포그래픽 등)을 만들어낸다.

반면 Anti-gravity는 '짓고 연결하는 손'이다.

앱, 웹사이트, 대시보드, 워크플로우를 만들고, 외부 서비스·API·파일 시스템과 연결하며, 여러 에이전트를 동시에 돌리며 프로젝트를 실행하는 커맨드 센터 역할을 한다.

두 도구를 묶으면, Notebook LM이 거대한 지식 저장소 및 분석 엔진이 되고, Anti-gravity는 그 지식을 불러와 실제 제품과 시스템으로 구현하는 실행 엔진이 된다.

토큰 비용 문제와 "외부 두뇌" 전략

Anti-gravity 안에 대용량 파일과 문서를 직접 넣고 매번 모델이 그 파일을 읽게 하면 토큰 사용량이 폭증한다.

이는 성능 저하와 비용 증가로 이어지는데, 특히 개인 OS, 복잡한 비즈니스 시스템을 만들 때 크게 체감된다.

Notebook LM을 "외부 지식 두뇌"로 쓰면, 무거운 리서치와 장문 맥락 유지는 Notebook LM에서 처리하고, Anti-gravity는 필요한 순간에만 질문을 던져 결과만 받아온다.

이 방식은

토큰 사용량 감소
응답 속도 개선
맥락 한계를 거의 느끼지 않는 "무한 컨텍스트" 느낌
이라는 세 가지 이점을 동시에 준다.

MCP(Model Context Protocol)로 두 도구 연결하기

MCP는 간단히 말해 "AI에게 다른 앱을 마음대로 조종할 수 있게 해주는 범용 리모컨" 같은 프로토콜이다.

Anti-gravity는 MCP를 통해 Notion, 브라우저, 그리고 Notebook LM 등 다양한 도구에 접근할 수 있고, 각 도구가 MCP 서버 형식으로 Anti-gravity에 등록된다.

Notebook LM은 공식 스토어에 바로 보이지 않지만, GitHub에 있는 Notebook LM MCP 서버 설정을 Anti-gravity에게 맡겨 설치·설정하게 하면 된다.

이 과정에서 Anti-gravity가

MCP 설정 파일을 수정하고
브라우저를 열어 Notebook LM에 로그인·토큰을 가져오며
MCP 서버 목록에 Notebook LM을 등록한다.

한 번 연결되면, Anti-gravity는 "Notebook LM에 새 노트북 만들기, 리서치 실행, 자료 가져오기, 오디오/슬라이드 생성" 같은 작업을 명령 한 줄로 수행할 수 있게 된다.

리서치 자동화: 주제 → 다중 노트북 생성까지

첫 번째 활용 단계는 "리서치 노트북을 자동으로 대량 생성하는 것"이다.

예를 들어 "유튜브 성장"을 배우고 싶다면, Anti-gravity에게

먼저 서브 토픽(콘텐츠 전략, 썸네일·타이틀, 유지율·스토리텔링, 알고리즘·SEO 등)을 뽑게 하고
이 토픽 리스트를 바탕으로 Notebook LM에 각 토픽별 독립 노트북을 만들고
각 노트북마다 '깊은 리서치(Deep Research)'를 자동 실행하게 할 수 있다.

그 결과, 사용자는 유튜브 성장 핵심 영역마다 40~50개 이상의 고품질 자료가 정리된 노트북 여러 개를 손 하나 안 대고 얻는다.

이 구조는 유튜브뿐 아니라 "세무, 컴플라이언스, 신사업 리서치, 이직 준비, 특정 기술 학습(예: RAG, MLOps)" 등 거의 모든 공부·조사 영역에 그대로 재사용할 수 있다.

Anti-gravity Skills로 "AI의 행동 습관" 설계하기

Anti-gravity의 스킬은 "항상 이렇게 행동해라"라는 일종의 행동 지침서이자 매크로다.

스킬에 다음과 같은 규칙을 적어둘 수 있다.

Notebook LM에 새 노트북을 만들 때는 항상 특정 'About me/business' 파일을 먼저 읽고 맥락을 반영할 것
Deep Research를 실행한 후 5분 뒤 브라우저를 열어 각 노트북에서 '자료 가져오기(Import)'를 자동으로 실행할 것
특정 폴더에 있는 파일은 모두 Notebook LM의 지정 노트북에 넣고, 완료되면 완료 폴더로 이동할 것

이렇게 해두면, 같은 패턴을 계속 설명할 필요 없이, 스킬이 반복 가능한 "AI 운영 매뉴얼"이 되어 준다.

결국 스킬을 잘 설계할수록 "한 번 설명하고 계속 재사용하는 AI 시스템"에 가까워지고, 작업 품질과 일관성이 올라간다.

컨텍스트 주입: 나와 내 비즈니스를 이해시키기

Notebook LM과 Anti-gravity가 단순한 '일반적인 조언'만 하지 않게 하려면, 나와 내 상황에 대한 정보가 필요하다.

예를 들어 jack.md 같은 파일에

내가 하는 일(예: AI 자동화 비즈니스, 특정 니치)
콘텐츠 제작 능력, 시간 제약(주 3개 영상 가능 여부 등)
최종 목표(예: 유튜브 수익으로 스프링어 스패니얼 구조센터 후원)
같은 정보를 써 둔다.

그리고 스킬에 "Notebook LM을 사용할 때는 항상 이 파일을 먼저 참고하라"고 명시한다.

이렇게 하면, Notebook LM에 유튜브 전략을 물어봤을 때 단순한 일반론이 아니라 "내 능력과 목표, 업종에 맞는" 맞춤 전략이 나온다.

컨텍스트 파일을 잘 설계해 두는 것은 곧 "AI에게 나를 교육시키는 과정"이며, 이후 모든 리서치와 전략 결과물의 정확도와 활용도가 크게 높아진다.

다중 에이전트와 지식 브레인 지도 만들기

Anti-gravity에는 동시에 여러 에이전트를 돌릴 수 있는 에이전트 매니저가 있다.

하나의 프로젝트 안에서도

한 에이전트는 Notebook LM에 어떤 노트북들이 있는지 목록·요약을 만들어 "Notebook Brain Resources" 문서로 정리하게 하고
다른 에이전트는 특정 노트북에 질문을 던져 전략을 만들게 하며
또 다른 에이전트는 그 전략을 바탕으로 문서나 코드, 대시보드를 만드는 식으로 병렬 작업이 가능하다.

이 구조는 마치 한 팀 안에 "리서치 담당, 전략 담당, 개발 담당" 인력이 따로 있는 것과 비슷하다.

사용자는 에이전트들에게 각각의 역할과 목표를 텍스트로 설명만 해주면 되고, 에이전트들은 Notebook LM MCP와 로컬 파일을 오가며 협업을 진행한다.

지식 → 전략 → 앱: 실제 산출물로 이어가기

리서치와 전략에서 멈추지 않고, 그 지식을 실제 산출물로 연결하는 것이 진짜 위력이다.

예시로, 유튜브 성장 노트북들에서

CTR·A/B 테스트 기준, 썸네일 구성 요소, 후킹 문장, 유지율 목표 등의 구체적인 수치와 패턴을 추출하고
Anti-gravity에게 "이 기준을 반영한 인터랙티브 HTML 원페이지 대시보드"를 만들게 할 수 있다.

그러면 "스프링어 스패니얼 유튜브 채널 전략 센터" 같은 대시보드가 생성되고, 여기서

영상별 조회수/구독자/CTR/시청 유지율을 입력하면
목표 대비 상태(건강도, 바이럴 가능성)와 체크리스트, 개선 제안 등을 인터랙티브하게 보여줄 수 있다.

이와 같은 방식으로 ISO 인증, 법규 준수, 마케팅 캠페인 운영 등 "규칙과 지식이 많은 영역"에서, 리서치 결과를 곧바로 실무용 도구로 변환하는 구조를 만들 수 있다.

Notebook LM의 출력 자동 생성: 오디오·슬라이드 등

Notebook LM은 단순 Q&A 외에도, 동일한 지식으로 다양한 형식의 산출물을 만들어 준다.

예를 들면

특정 주제(훅 작성법, 썸네일 심리 등)에 대한 오디오 오버뷰
교육용 슬라이드 덱
리포트, 마인드맵, 플래시카드, 퀴즈, 인포그래픽 등이다.

Anti-gravity에서 MCP를 통해
"유튜브 훅 관련 노트북을 기반으로 오디오 개요 하나와 슬라이드 프레젠테이션 하나를 생성해 달라"
라고 요청하면, Notebook LM에서 해당 출력들이 자동으로 생성된다.

이렇게 하면 "배울 주제를 Anti-gravity에서 선택 → 노트북 생성 및 리서치 → 오디오/슬라이드 자동 생성 → 이동 중 청취·프레젠테이션 활용"이라는 학습 파이프라인 전체를 자동화할 수 있다.

로컬 파일을 노트북으로 올리는 파이프라인

마지막 단계는 "내 컴퓨터에 있는 파일들을 Notebook LM 노트북으로 옮기는 시스템"을 만드는 것이다.

텍스트 파일(.md, .txt 등)은 비교적 간단하다.

Anti-gravity 내에 notebook_to_add 폴더를 만들고
그 안에 넣은 파일들을 지목해 "새 노트북을 만들고 이 파일들을 리소스로 추가하라"고 MCP에게 지시하면 된다.

PDF처럼 다루기 까다로운 형식도 문제를 우회할 수 있다.

Anti-gravity가 PDF를 인식하면
자동으로 파이썬 스크립트를 만들어 PDF를 텍스트로 변환하고
변환된 텍스트를 Notebook LM에 업로드한 뒤
원본 파일은 complete 폴더로 옮기게 하는 식의 스킬·스크립트를 만들 수 있다.

이 구조를 활용하면, 회사의 SOP, 회의록, 고객 계약서, 리포트 등 "로컬에 쌓여 있는 지식"을 차례로 Notebook LM으로 올려, 언젠든 대화형으로 검색·학습할 수 있는 지식 베이스로 전환할 수 있다.

인사이트

Notebook LM과 Anti-gravity의 조합은 "자료를 많이 모으는" 수준을 넘어, 그 자료를 기반으로 전략을 세우고, 도구를 만들고, 학습 콘텐츠까지 자동 생성하는 완전한 지식-실행 파이프라인을 제공한다.

실용적으로는

먼저 자신의 핵심 관심사·비즈니스 문제를 3~10개 토픽으로 쪼개고,
각 토픽별 Notebook LM 노트북을 Anti-gravity에서 자동 생성·리서치하게 한 뒤,
나와 비즈니스에 대한 컨텍스트 파일을 만들어 스킬에 연결하고,
그 노트북들을 활용해 전략 문서, 대시보드, 슬라이드, 오디오를 차례로 만들어보는 순서가 좋다.

핵심은 "한 번만 설명하고 계속 재사용되는 시스템"을 만드는 것이다.

그렇게 해야, 단순 챗봇 사용에서 벗어나, 자신만의 24/7 AI 팀과 운영 시스템을 갖게 된다.