Před pár týdny někdo v našem týmovém Slacku poslal odkaz a zeptal se: „Počkej, to je ta samá Ferret věc?“ Nebyla. Ukázalo se, že existuje vision model od Applu jménem Ferret, datový nástroj NOAA s názvem Ferret a pak MontFerret — open-source framework pro automatizaci prohlížeče, který vývojáři používají k psaní scrapingových skriptů v něčem, co se jmenuje FQL. Nic z toho spolu nesouvisí, a pokud právě teď hledáte „Thunderbit vs MontFerret“, pravděpodobně jste už narazili na stejný zmatek.
Tak si to nejdřív ujasněme: vedu Thunderbit a mluvím konkrétně o našem produktu v porovnání s MontFerret — tedy s deklarativním projektem pro web scraping na montferret.dev. Ne o Applu. Ne o NOAA. A upřímně, jakmile se člověk prokouše tím názvem, je to docela zajímavé srovnání, protože Thunderbit a MontFerret ve skutečnosti nebojují o stejného zákazníka. Řeší jiné problémy pro jiné lidi, a to je podle mě ten skutečný příběh.
Rychlá odpověď
Pokud chcete krátkou verzi ještě předtím, než půjdeme do detailů: Thunderbit je spravovaný agentní web scraper, který dokáže rychle převést libovolnou stránku na strukturovaná data — a funguje přes rozšíření do prohlížeče, Web App, Open API, MCP Server i CLI. MontFerret je open-source framework pro automatizaci prohlížeče, kde píšete dotazy ve FQL (Ferret Query Language), abyste scrapovali a interagovali se stránkami.
Ještě jedna poznámka k záměně, než budeme pokračovat, protože jsem už viděl lidi, jak na tom ztratili 20 minut: řeč je výhradně o projektu MontFerret. Ne o Apple Ferret vision modelu, ne o NOAA Ferret pro vizualizaci dat, ne o žádném jiném „Ferret“, na který narazíte ve vyhledávání Google. Jen montferret.dev.
Přehled
| Thunderbit | MontFerret | |
|---|---|---|
| Hlavní uživatel | Obchodní uživatelé bez technického zázemí (sales, ops, GTM), plus vývojáři | Vývojáři/inženýři |
| Nastavení | Nainstalujete rozšíření nebo otevřete Web App | Nainstalujete Go/Ferret runtime, nastavíte debug port Chromu |
| Rozhraní | Kliknete na One Click Extract, zbytek udělá agent | Píšete FQL dotazy nad DOM/CDP |
| Dotazovací jazyk | Žádný — úprava polí v přirozeném jazyce | FQL (inspirované ArangoDB AQL) |
| Automatizace prohlížeče | Spravovaná na kompatibilních, autorizovaných stránkách | Spravujete sami přes Chrome DevTools Protocol |
| Logika extrakce | Agentické porozumění stránce | Explicitní selektory, smyčky a filtry, které píšete sami |
| Nasazení | Rozšíření do prohlížeče / Web App / cloud | Self-hosted, infrastrukturu vlastníte vy |
| Plánování | Podporováno u vhodných plánů | Musíte si postavit a spravovat sami |
| Údržba | Zajišťuje produkt | Ve vaší režii |
| Licence | Placené SaaS (kredity / tarify) | Open-source, zdarma k provozu |
| Celkové náklady | Cena předplatného | „Zdarma“ software, ale plus infrastruktura a čas vývojářů |
Co je Thunderbit?
Thunderbit už jsem vysvětloval spoustě lidí, kteří nikdy nescrapovali web, a obvykle to popisuji takto: otevřete stránku, ke které máte oprávněný přístup, kliknete na jedno tlačítko a Thunderbit sám zjistí, jaká data na stránce dávají smysl.
Skutečný postup je následující. Kliknete na One Click Extract. Náš agent detekuje stránku, přečte ji, analyzuje strukturu a připraví pole, která podle něj budou užitečná — třeba názvy produktů, ceny, kontaktní údaje nebo cokoli, co stránka skutečně nabízí. Pak se zobrazí Run Now. Můžete na to kliknout a spustit extrakci okamžitě, nebo když prostě... nic neuděláte, spustí se sama. To je celé. Jedno cílené kliknutí, žádné vytváření schématu, žádné psaní selektorů, žádný kód.
Tohle je workflow pro Thunderbit Chrome Extension a většina lidí na něj narazí jako na první. Není to ale jediná možnost. Pokud chcete extrakci upravit — třeba doplnit pole, které agent přehlédl, nebo něco přeformátovat — můžete to udělat běžnými instrukcemi. Thunderbit navíc na podporovaných stránkách automaticky zvládá kompatibilní stránkování a obohacování z podstránek a umožňuje export do nástrojů jako Excel, Google Sheets, Airtable nebo Notion.
Pro vývojáře je pod kapotou ještě víc: Thunderbit Web App pro cloudovou extrakci, Open API pro programový přístup, MCP Server pro napojení na AI agenty jako Claude nebo Cursor a CLI pro práci v terminálu nebo v coding agentech. Takže i když je rozšíření vstupní bezkódová cesta, Thunderbit není jen hračka do prohlížeče — je to plnohodnotná platforma pro extrakci s více způsoby použití.
Jedna upřímná poznámka na rovinu: „jedno kliknutí“ platí pro kompatibilní stránky, ke kterým máte oprávněný přístup. Není to záruka proti všem anti-bot systémům, všem přihlašovacím bariérám ani proti každé divné okrajové situaci, kterou vám web může připravit.
Co je MontFerret?
MontFerret je úplně jiná liga — a musím říct, že to, co postavili, respektuji. Jde o open-source deklarativní systém pro web scraping, kde místo klikání píšete dotazy ve FQL — Ferret Query Language — což je podle jejich popisu inspirované ArangoDB AQL.
Podle jejich oficiální dokumentace se systém skládá z několika hlavních částí: FQL parseru, kompilátoru, runtime, standardní knihovny, registru uživatelských funkcí, HTML driverů v paměti, driveru pro Chrome DevTools Protocol (CDP) a command-line rozhraní. Pokud to zní jako hodně pohyblivých částí, tak je to tak — ale právě v tom je pointa. MontFerret je postavený pro vývojáře, kteří chtějí detailní kontrolu na úrovni kódu nad tím, jak se stránka scrapuje.
Pro cokoli, co zahrnuje obsah renderovaný přes JavaScript nebo skutečnou interakci s prohlížečem, potřebujete běžící Chrome nebo Chromium s otevřeným debug portem, aby s ním MontFerret mohl komunikovat přes CDP. Jakmile to nastavíte, váš FQL dotaz může vyjadřovat smyčky, filtry, CSS-style selektory, navigaci mezi stránkami, kliknutí a vyplňování formulářů i strukturované návratové hodnoty — v podstatě dotazovací jazyk, který obaluje logiku automatizace prohlížeče.
Kompenzace je skutečná: MontFerret abstrahuje velkou část nízkoúrovňového fungování prohlížeče a sítě, ale pořád se musíte naučit FQL, psát a testovat dotazy a provozovat vlastní runtime. Žádný moment typu „kliknu a ono si to najde pole“ tady není. Vždycky přesně určíte, co má dělat.
Hlavní rozdíl: spravovaný agentní produkt vs. framework s dotazovacím jazykem
Čas do prvního strukturovaného výsledku
Tady je rozdíl nejviditelnější. S Thunderbit se čas k prvnímu výsledku měří v sekundách: kliknete na One Click Extract, necháte agenta analyzovat stránku a úloha se spustí sama; Run Now je volitelné. U MontFerretu nejdřív píšete dotaz. I jednoduchý FQL skript vyžaduje porozumění selektorům, syntaxi dotazu a tomu, jak se CDP driver chová na cílové stránce. To není kritika MontFerretu — je to prostě úplně jiný startovní bod. Jeden přístup říká „ať to zjistí agent“, druhý „řekněte mu přesně, co má dělat“.
Vlastní automatizace prohlížeče a kontrola
Když se na to podíváte z druhé strany, MontFerret vyhrává v přesnosti. Pokud potřebujete scraper, který dělá něco hodně konkrétního — vícekrokové vyplňování formulářů, podmíněnou logiku podle stavu stránky, vlastní retry chování — FQL vám tu úroveň kontroly dá, protože logiku píšete sami. Agentní přístup Thunderbitu je skvělý pro „vytáhni, co je na téhle stránce užitečné“, ale není určený jako univerzální jazyk pro skriptování prohlížeče. Pokud váš use case vyžaduje vlastní větvení napříč více stránkami, to je jasně území MontFerretu.
Vlastnictví nasazení a údržby
Tohle je část, kterou lidé často podceňují. U Thunderbitu, když se stránka změní, agentická extrakce se přizpůsobí, protože při každém spuštění stránku znovu analyzuje místo toho, aby spoléhala na tvrdě zakódované selektory — i když samozřejmě ani to není slib, že to bude fungovat na každém redesignu. U MontFerretu, když se změní DOM struktura webu, vaše FQL selektory se mohou rozbít a někdo z týmu si toho musí všimnout, zdebugovat to a opravit. To je průběžná inženýrská odpovědnost, která u ručně psaného scraperu nikdy úplně nezmizí, ať je open-source nebo ne.
Praktické scénáře
Jednorázová extrakce pro business uživatele
Řekněme, že člověk z sales ops potřebuje do konce dne seznam firem z adresáře a žádný vývojář není k dispozici. Thunderbit je přesně na tohle: otevřít stránku, kliknout na One Click Extract, exportovat do Google Sheets a jít dál. Na jednorázový úkol nikdo nebude psát FQL.
Opakovatelná automatizace prohlížeče napsaná vývojářem
Teď si představte, že engineering tým staví monitoring pipeline, která má každou noc kontrolovat cenovou stránku konkurence, parsovat konkrétní vnořená data a posílat je do interního systému s vlastní transformační logikou. Tady může zazářit deklarativní přístup MontFerretu — FQL napíšete jednou, přesně víte, co dělá, a celé řešení vlastníte.
Dynamický workflow na více krocích
Pro weby, které vyžadují přihlášení, navigaci přes více stránek a podmíněné akce podle toho, co je právě na obrazovce, vám CDP driver MontFerretu a explicitní logika dotazů dávají kontrolu, díky které můžete takový workflow přesně nascriptovat. Thunderbit zvládá kompatibilní stránkování a obohacování z podstránek na podporovaných, autorizovaných stránkách, ale není navržený jako univerzální skriptovací nástroj pro libovolné vícekrokové workflow v prohlížeči.
Integrace přes API nebo AI agenta
Pokud stavíte AI agenta, který potřebuje v rámci většího workflow získávat strukturovaná data z webu, MCP Server od Thunderbitu se napojí přímo na nástroje jako Claude Code nebo Cursor. MontFerret lze také skriptovat do vlastního stacku, ale integrační vrstvu si stavíte sami, místo abyste využili předpřipravený konektor.
Spolehlivost, flexibilita a údržba
Budu k vám přímý, protože tohle je část, kde bývají porovnávací články často líné. Agentní porozumění stránce v Thunderbitu je opravdu užitečné, protože snižuje náročnost údržby oproti hardcoded selektorům — agent znovu čte strukturu stránky místo toho, aby spoléhal na křehkou CSS cestu, která se rozbije hned, jak web změní markup. Ale „agentní“ neznamená „kouzelné“. Funguje to na kompatibilních, autorizovaných stránkách a existují weby i situace, kde nemusí vytáhnout přesně to, co čekáte.
Explicitní logika dotazů a automatizace v MontFerretu je v jednom smyslu předvídatelnější — přesně víte, co dotaz dělá, protože jste ho napsali vy — ale ta předvídatelnost má svou cenu v podobě křehkosti, když se změní samotná stránka. Pokud web vymění div za section, váš selektor se může tiše rozbít a vy to zjistíte až ve chvíli, kdy se data vrátí prázdná nebo špatná.
Ani jeden nástroj netvrdí, že porazí univerzálně anti-bot ochrany, a byl bych opatrný vůči jakémukoli nástroji, který to slibuje. Oba vyžadují, aby se používaly v rámci oprávnění k přístupu.
Cena, licence a celkové náklady
Tady je potřeba být u open-source softwaru opatrný s nálepkou „zdarma“, a myslím, že stojí za to to říct naplno.
MontFerret je open-source — přesné aktuální licenční podmínky si před nasazením ověřte v jejich repozitáři, protože se to teoreticky může měnit — ale obecně za používání jádra frameworku neplatíte předplatné. „Zdarma“ ale pokrývá jen licenci softwaru. Pořád musíte sami zajistit a hostovat výpočetní výkon, provozovat a udržovat instance Chrome/Chromium, spravovat proxy, pokud scrapujete ve větším objemu, nastavit monitoring pro případy, kdy se něco rozbije, a platit inženýry za psaní a údržbu FQL skriptů.
Thunderbit funguje na placeném tarifu — pro přesná čísla si zkontrolujte aktuální stránku Thunderbit Pricing, protože se detaily časem mění — ale tato cena v sobě zahrnuje spravované browser/cloud execution, agentní logiku extrakce, exporty i přístup k API/MCP/CLI. Nemusíte řešit samostatný účet za infrastrukturu.
| Nákladová položka | Thunderbit | MontFerret |
|---|---|---|
| Cena licence | Placené SaaS (kredity / tarify) | Zdarma, open-source |
| Náklady na infrastrukturu | Zahrnuté v tarifu | Servery, Chrome, proxy zajišťujete vy |
| Čas vývojářů | Minimální — bez nutnosti kódu | Průběžný — psaní, testování, ladění FQL |
| Údržba | Zajišťuje produkt | Ve vaší režii |
Skutečná otázka tedy není „co je levnější“, ale „kde chcete, aby se ty náklady objevily“. Thunderbit je ukazuje na měsíční faktuře. MontFerret v kalendáři vašeho engineering týmu.
Kdo by měl zvolit Thunderbit?
Pokud jste člen týmu bez technického zázemí a potřebujete data hned, bez dostupných vývojářských kapacit, Thunderbit je jasná volba. Totéž platí pro jednorázové nebo opakované obchodní datové výstupy, kde je důležitější „nulové nastavení“ než detailní kontrola. A pokud už stavíte workflow s AI agenty a chcete do nich scraping napojit přes MCP nebo CLI bez psaní vlastní integrační vrstvy, to je přesně oblast Thunderbitu.
Kdo by měl zvolit MontFerret?
Pokud jste vývojář a stavíte opakovatelný scraping pipeline, která má běžet v CI/CD, nebo potřebujete self-hosted infrastrukturu kvůli datové rezidenci či compliance, deklarativní přístup MontFerretu a plná kontrola nad infrastrukturou dávají smysl. Je to také lepší volba, pokud má váš tým dostatečnou kapacitu na dlouhodobou údržbu FQL skriptů a tuhle úroveň kontroly nad logikou automatizace prohlížeče opravdu chce.
Můžou týmy používat obojí?
Upřímně ano, a nepovažuji to za vyhýbavou odpověď. Viděl jsem prostředí, kde technický tým provozuje specializované, opakovatelně spouštěné FQL úlohy pro klíčové datové pipeline, které potřebují přesnou logiku pod kontrolou verzí, zatímco business uživatelé ve stejném týmu používají Thunderbit pro ad hoc výzkum, rychlé exporty nebo průzkumné datové výstupy, které neospravedlní psaní vlastního skriptu. Ve skutečnosti si tyto nástroje nekonkurují — jsou na různých úrovních stejné širší datové operace. Nebudu předstírat, že mezi nimi existuje nějaká oficiální integrace, protože neexistuje, ale z architektonického hlediska je to naprosto rozumné rozdělení.
Verdikt
Kdybych to měl shrnout do jedné věty: vybírejte podle toho, kdo práci dělá a kolik má času. Pokud máte člověka bez technického zázemí, který potřebuje tabulku dat během deseti minut, Thunderbit vyhrává pokaždé — není o čem debatovat. Pokud máte inženýra, který chce deklarativní, self-hosted, verzovatelný scraping pipeline a nevadí mu dlouhodobě vlastnit údržbu, MontFerret je skutečně dobrá open-source volba.
Tohle není situace „jeden nástroj poráží druhý“, a kdybych tvrdil opak, nebylo by to fér. Je to situace „jaký problém vlastně řešíte“.
FAQ
Který projekt Ferret je předmětem srovnání? Relevantní projekt je MontFerret, open-source deklarativní framework pro web scraping na montferret.dev. Není nijak spojený s Apple Ferret vision modelem, datovým nástrojem NOAA Ferret ani s žádným jiným projektem sdílejícím název „Ferret“.
Je MontFerret open source? Ano, MontFerret je open-source projekt. Za jádro frameworku se neplatí licence, ale před použitím v komerčním prostředí si ověřte aktuální licenční podmínky v repozitáři, protože i když je software zdarma, pořád platí náklady na infrastrukturu a vývoj.
Podporuje Thunderbit API a MCP integrace? Ano. Thunderbit nabízí Open API pro programový přístup a MCP Server, který propojuje nástroje Thunderbitu s AI agenty jako Claude Code a Cursor, spolu s CLI pro terminálové workflow.
Co je jednodušší pro neprogramátory? Thunderbit, bez debat. Jeho rozšíření do prohlížeče je vytvořené tak, aby ne-technickým uživatelům umožnilo získat strukturovaná data kliknutím na One Click Extract — žádný dotazovací jazyk, žádné selektory, žádný kód. MontFerret vyžaduje naučit se FQL a nastavit runtime, což předpokládá alespoň základní vývojářské dovednosti.
Co nabízí přesnější kontrolu nad automatizací prohlížeče? MontFerret. Protože píšete FQL dotazy přímo nad DOM přes Chrome DevTools Protocol, máte přesnou kontrolu na úrovni kódu nad navigací, interakcemi i podmíněnou logikou. Agentní přístup Thunderbitu je optimalizovaný pro rychlou strukturovanou extrakci na kompatibilních stránkách, ne pro detailní skriptovanou automatizaci.
