Mục Lục
- Giới thiệu & Đặt vấn đề
- Tổng quan giải pháp: NotebookLM, Codex & MCP (
PleasePrompto/notebooklm-mcp) - Hướng dẫn cài đặt & Thiết lập kết nối
- Hướng dẫn cách sử dụng NotebookLM tra cứu thông tin Website & Kết hợp với Codex & MCP
- Kiểm tra (Audit/Review) Code & Viết các chức năng theo File Spec
- Demo Thực Chiến (Video)
- Kết luận
1. Giới thiệu & Đặt vấn đề
Trong quy trình phát triển phần mềm hiện đại, lập trình viên thường mất tới 30% – 40% thời gian chỉ để đọc tài liệu, tra cứu API spec, tìm kiếm cách tích hợp thư viện từ các website hoặc đọc qua hàng chục file yêu cầu kỹ thuật (Spec document).
Sự ra đời của các trợ lý AI như ChatGPT, Cursor, GitHub Copilot hay Claude Code đã giúp tăng tốc độ viết code đáng kể. Tuy nhiên, một hạn chế chí mạng của các mô hình ngôn ngữ lớn (LLM) là Hallucination (“bốc phét”). Khi làm việc với các thư viện mới, framework nội bộ hoặc file Spec phức tạp của dự án, AI thường tự sáng tạo ra các hàm không tồn tại, viết sai logic nghiệp vụ hoặc vi phạm quy chuẩn thiết kế.
Nỗi đau của Developer (Pain Point):
Khi giao việc cho AI Code Agent thực hiện một tính năng trong file Spec, nếu AI không được cung cấp ngữ cảnh chính xác và đáng tin cậy, bạn sẽ mất nhiều thời gian hơn để debug và sửa các lỗi sai do AI gây ra so với việc tự viết code từ đầu.
2. Tổng quan giải pháp: NotebookLM, Codex & MCP
Link: https://github.com/PleasePrompto/notebooklm-mcp
Để giải quyết triệt để bài toán trên, giải pháp tối ưu là xây dựng một Cơ sở tri thức đáng tin cậy (Single Source of Truth) kết nối trực tiếp vào không gian làm việc của AI Agent thông qua 3 thành phần cốt lõi:
| Thành phần | Vai trò trong Hệ sinh thái | Điểm mạnh nổi bật |
| Google NotebookLM | Knowledge Base (RAG Grounded) | Nạp file Spec (PDF, MD), website, repo GitHub. Trả lời 0% hallucination dựa trên Gemini và trích dẫn (citation) chính xác từng đoạn văn nguồn. |
MCP Server (notebooklm-mcp) |
Cầu nối giao tiếp (Model Context Protocol) | Repository tự động hóa việc gửi truy vấn từ môi trường CLI/IDE tới NotebookLM qua Browser Automation (Patchright/Chrome). |
| Codex / AI Agent | AI Coding Agent | Trợ lý lập trình trực tiếp sinh mã, chỉnh sửa dự án, đọc/ghi file code và chạy test trong Terminal. |
3. Hướng dẫn cài đặt & Thiết lập kết nối
Bước 1: Yêu cầu
- Node.js phiên bản ≥ 18.x
- Trình duyệt Google Chrome đã cài đặt trên máy cục bộ.
- Đã cài đặt Codex CLI / Claude Code / Cursor.
Bước 2: Cài đặt MCP Server
Bạn có thể chạy trực tiếp thông qua npx hoặc clone repository về máy:
# Cài đặt và cấu hình qua npx (Khuyến nghị)
npx -y notebooklm-mcp@latest
# Hoặc build từ nguồn GitHub:
git clone https://github.com/PleasePrompto/notebooklm-mcp.git
cd notebooklm-mcp
npm install
npm run build
Bước 3: Đăng nhập & Xác thực (One-time Authentication)
Thực hiện lệnh xác thực một lần duy nhất để lưu Cookie phiên làm việc cục bộ:
# Trong giao diện chat của Agent (Claude Code / Codex):
"Log me in to NotebookLM"
# Trình duyệt Chrome sẽ tự động mở ra -> Đăng nhập tài khoản Google của bạn.
Bước 4: Thêm NotebookLM Server vào cấu hình MCP Client
Ví dụ đối với Cursor hoặc Claude Code / Codex CLI:
{
"mcpServers": {
"notebooklm": {
"command": "npx",
"args": ["-y", "notebooklm-mcp@latest"]
}
}
}
4. Hướng dẫn cách sử dụng NotebookLM tra cứu thông tin Website & Kết hợp với Codex & MCP
Trong quy trình này, NotebookLM đóng vai trò là “bộ tri thức”, còn MCP Server đóng vai trò là “cầu nối” truyền tải thông tin về cho Codex.
4.1. Nạp tri thức & Website vào NotebookLM
- Truy cập NotebookLM và tạo một Notebook mới (ví dụ:
Project-Documentation-Hub). - Thêm các nguồn tài liệu: dán các link Website tài liệu chính thức (VD: Next.js 15 Docs, Stripe API Docs, Tailwind v4 Spec) hoặc upload các file PDF, Markdown tài liệu kỹ thuật. Như trong video dưới là file PDF
4.2. Cơ chế Codex tự động tra cứu thông tin qua MCP
Khi bạn ra lệnh cho Codex thực hiện nhiệm vụ, Codex sẽ tự nhận biết xem thông tin có cần tra cứu tài liệu mới hay không.
Luồng hoạt động (Workflow):
- Developer gõ lệnh trong Codex: “Hãy tra cứu tài liệu (Link notebooklm) và yêu cầu của bạn.”
- Codex phát hiện nhu cầu tra cứu, tự gọi MCP Tool
- MCP Server điều khiển trình duyệt truy vấn NotebookLM và trích xuất câu trả lời chuẩn xác (có trích dẫn nguồn).
- Codex nhận kết quả và phản hồi lập trình viên hoặc tiến hành viết code dựa trên đúng tài liệu vừa tra cứu.
5. Kiểm tra (Audit/Review) Code & Viết các chức năng theo File Spec
Đây là phần quan trọng nhất giúp bạn đảm bảo mã nguồn hoàn toàn khớp với file Specification (file Spec yêu cầu kỹ thuật của dự án).
5.1. Viết chức năng mới chuẩn 100% theo File Spec
Giả sử bạn upload file processing_spec,pdf chứa các quy tắc tính thuế và giảm giá phức tạp lên NotebookLM.
"Hãy kiểm tra folder ... và so sánh với spec trong file processing_spec.pdf xem những phần nào đang khác"
Codex sẽ tự động hỏi NotebookLM qua MCP, lấy chính xác logic kèm các điều kiện biên (edge cases) và triển khai file code TypeScript chuẩn xác 100%.
5.2. Kiểm tra (Audit / Code Review) mã nguồn hiện tại so với Spec
Khi bạn muốn review xem đoạn code team vừa viết có bỏ sót điều kiện hay quy tắc nghiệp vụ nào trong Spec hay không:
"Đọc file ..... và truy vấn NotebookLM để đối chiếu với Spec thanh toán. Hãy kiểm tra xem có trường hợp Validation hoặc Error Handling nào chưa được xử lý đúng theo Spec không."
6. Demo (Video)
DEMO VIDEO: Quy trình Tra cứu Spec & Review Code chuẩn Spec với NotebookLM + Codex + MCP
7. Kết luận
Sự kết hợp giữa Google NotebookLM (Khả năng RAG chuẩn xác, 0% hallucination), Model Context Protocol (MCP) qua repository PleasePrompto/notebooklm-mcp và Codex (Khả năng thực thi lập trình mạnh mẽ) đánh dấu bước tiến quan trọng trong quy trình phát triển phần mềm.
Bằng việc biến NotebookLM thành “Bộ não tri thức” và Codex thành “Đôi tay thực thi”, lập trình viên không chỉ tăng tốc độ tra cứu tài liệu website lên gấp nhiều lần mà còn đảm bảo mọi dòng code viết ra đều được kiểm tra chuẩn xác theo đúng file Specification của dự án.
(Tôi cũng đã cập nhật và xuất ra 2 file đính kèm HTML và PDF theo đúng thứ tự và có sẵn khung Video Demo để bạn tiện chia sẻ/in ấn):
Link tham khảo: https://fullswing.dena.com/pdf/AI_100tips_slide.pdf