No sé exactamente como funciona, pero por lo que leí en la web de los mismos, el "software" que corre en la NES traduce las pulsaciones y las manda a la GB, y traduce el audio y el video de GB y lo emite a través de la NES.
Eso es lo que yo he entendido. El Tristar lo hacía por hardware, siendo más simple pues sólo hacía de puente para los controles y señales de audio/video. Aquí el puente se hace por soft (insisto, creo).