Hace unas semanas, alguien en el Slack de nuestro equipo compartió un enlace preguntando: “espera, ¿esto es lo mismo de Ferret?”. No lo era. Resulta que existe un modelo de visión de Apple llamado Ferret, una herramienta de datos de NOAA llamada Ferret, y luego está MontFerret: un framework de automatización de navegador de código abierto que los desarrolladores usan para escribir scripts de scraping en algo llamado FQL. No tienen relación entre sí, y si ahora mismo estás investigando “Thunderbit vs MontFerret”, seguramente ya te topaste con esa misma confusión.
Así que aclaremos eso primero: yo dirijo Thunderbit, y aquí estoy hablando específicamente de nuestro producto frente a MontFerret, es decir, el proyecto declarativo de web scraping en montferret.dev. No el de Apple. No el de NOAA. Y, sinceramente, una vez que se pasa el enredo de nombres, la comparación se vuelve bastante interesante, porque Thunderbit y MontFerret en realidad no compiten por el mismo tipo de usuario. Resuelven problemas distintos para personas distintas, y ese es el verdadero punto aquí.
Respuesta rápida
Si quieres una versión corta antes de entrar en detalles: Thunderbit es un raspador web agentic gestionado, diseñado para convertir cualquier página en datos estructurados rápidamente, desde una extensión del navegador, una aplicación web, una Open API, un MCP Server y una CLI. MontFerret es un framework de automatización de navegador de código abierto en el que escribes consultas en FQL (Ferret Query Language) para extraer e interactuar con páginas.
Una aclaración más antes de seguir, porque he visto a gente perder 20 minutos con esto: la comparación se centra estrictamente en el proyecto MontFerret. No en el modelo de visión Ferret de Apple, no en la herramienta de visualización de datos Ferret de NOAA, ni en cualquier otro “Ferret” que te aparezca en una búsqueda de Google. Solo montferret.dev.
De un vistazo
| Thunderbit | MontFerret | |
|---|---|---|
| Usuario principal | Usuarios de negocio sin perfil técnico (ventas, operaciones, GTM), además de desarrolladores | Desarrolladores/ingenieros |
| Configuración | Instala la extensión o abre la Web App | Instala Go/runtime de Ferret y configura el puerto de depuración de Chrome |
| Interfaz | Haz clic en One Click Extract y el agente hace el resto | Escribe consultas FQL sobre el DOM/CDP |
| Lenguaje de consultas | Ninguno: refinamiento de campos con lenguaje natural | FQL (inspirado en ArangoDB AQL) |
| Automatización del navegador | Gestionada en páginas compatibles y autorizadas | Autogestionada mediante Chrome DevTools Protocol |
| Lógica de extracción | Análisis agentic de la página | Selectores, bucles y filtros explícitos escritos por ti |
| Despliegue | Extensión del navegador / Web App / nube | Autohospedado, tú controlas la infraestructura |
| Programación | Disponible en planes que cumplen requisitos | La construyes y administras tú mismo |
| Mantenimiento | Lo gestiona el producto | A cargo de tu equipo |
| Licencia | SaaS de pago (por créditos/plan) | Código abierto, gratuito para ejecutar |
| Coste total | Coste de suscripción | Software “gratis”, pero con infraestructura + tiempo de ingeniería |
¿Qué es Thunderbit?
He explicado Thunderbit a muchísimas personas que nunca han extraído datos de un sitio web en su vida, y normalmente lo presento así: abres una página a la que tienes permiso de acceso, haces clic en un botón y Thunderbit determina qué datos importan en esa página.
Este es el flujo real. Haces clic en One Click Extract. Nuestro agente detecta la página, la lee, analiza su estructura y prepara los campos que considera útiles —piensa en nombres de productos, precios, información de contacto, lo que sea que esa página esté ofreciendo. Después te muestra Run Now. Puedes pulsarlo para iniciar de inmediato o, si simplemente no haces nada, se ejecuta automáticamente. Eso es todo. Un clic intencional, sin definir esquemas, sin escribir selectores, sin código.
Ese es el flujo de trabajo de la extensión de Chrome de Thunderbit, y suele ser la primera experiencia de la mayoría de los usuarios. Pero no es la única interfaz. Si quieres refinar la extracción —por ejemplo, indicarle que también capture un campo específico que pasó por alto, o reformatee algo— puedes hacerlo con instrucciones simples. Thunderbit también gestiona automáticamente la paginación compatible y el enriquecimiento de subpáginas en las páginas compatibles, y permite exportar a Excel, Google Sheets, Airtable o Notion.
Para desarrolladores, hay más bajo el capó: la Thunderbit Web App para extracción en la nube, una Open API para acceso programático, un MCP Server para conectarlo con agentes de IA como Claude o Cursor, y una CLI para flujos basados en terminal o agentes de código. Así que, aunque la extensión es la puerta de entrada sin código, Thunderbit no es solo una herramienta de navegador: es una plataforma completa de extracción con varias formas de uso.
Una salvedad honesta aquí, porque no quiero venderlo de más: “un clic” aplica a páginas compatibles a las que tengas autorización para acceder. No es una garantía contra todos los sistemas anti-bot, muros de login o casos raros que un sitio pueda presentar.
¿Qué es MontFerret?
MontFerret es un animal completamente distinto, y de hecho respeto bastante lo que construyeron. Es un sistema declarativo de web scraping de código abierto en el que, en lugar de hacer clic en botones, escribes consultas en FQL —Ferret Query Language—, que el proyecto describe como inspirado en AQL de ArangoDB.
Según su documentación oficial, el sistema se compone de varias piezas clave: un parser de FQL, un compilador, un runtime, una biblioteca estándar, un registro de funciones de usuario, controladores HTML en memoria, un driver de Chrome DevTools Protocol (CDP) y una interfaz de línea de comandos. Si eso suena a muchas piezas en movimiento, lo es, pero justamente ese es el punto. MontFerret está pensado para desarrolladores que quieren control granular, a nivel de código, sobre cómo se extraen los datos de una página.
Para cualquier cosa que implique contenido renderizado por JavaScript o interacción real con el navegador, necesitas tener Chrome o Chromium en ejecución con un puerto de depuración abierto para que MontFerret pueda comunicarse mediante CDP. Una vez configurado, tu consulta FQL puede expresar bucles, filtros, selectores al estilo CSS, navegación entre páginas, clics, escritura de texto y valores de retorno estructurados; básicamente, un lenguaje de consultas que encapsula lógica de automatización del navegador.
La contrapartida es real: MontFerret abstrae buena parte del trabajo interno del navegador y la red, pero aun así tienes que aprender FQL, escribir y probar tus consultas, y operar tu propio runtime. Aquí no hay un momento de “haz clic y él averigua los campos”. Tú le dices exactamente qué hacer, siempre.
Diferencia principal: producto agentic gestionado vs framework de lenguaje de consultas
Tiempo hasta obtener el primer resultado estructurado
Aquí es donde la diferencia se nota más. Con Thunderbit, el tiempo hasta el primer resultado se mide en segundos: haces clic en One Click Extract, dejas que el agente analice la página y el trabajo se ejecuta automáticamente; Run Now es opcional. Con MontFerret, primero escribes una consulta. Incluso un script FQL simple requiere entender selectores, la sintaxis de consultas y cómo se comporta el driver CDP en tu página objetivo. Eso no es una crítica a MontFerret; simplemente parte de un punto de partida completamente distinto. Uno es “deja que el agente lo resuelva”, el otro es “tú le dices exactamente qué hacer”.
Automatización y control personalizado del navegador
Si cambiamos la perspectiva, MontFerret gana en precisión. Si necesitas un scraper que haga algo muy específico —rellenado de formularios en varios pasos, lógica condicional según el estado de la página, comportamiento de reintento personalizado— FQL te da ese nivel de control porque escribes la lógica tú mismo. El enfoque agentic de Thunderbit es excelente para “extraer lo útil de esta página”, pero no está pensado como un lenguaje general de scripting para navegador. Si tu caso de uso necesita lógica de ramificación a medida en un flujo de varias páginas, eso encaja de lleno con MontFerret.
Despliegue y responsabilidad de mantenimiento
Aquí está la parte que mucha gente subestima. Con Thunderbit, cuando un sitio cambia su diseño, la extracción agentic se adapta porque vuelve a analizar la página cada vez en lugar de depender de selectores codificados —aunque, de nuevo, eso no significa que funcione en cada rediseño imaginable. Con MontFerret, si cambia la estructura DOM de un sitio, los selectores de tu consulta FQL pueden romperse, y alguien de tu equipo debe detectarlo, depurarlo y corregirlo. Esa es una responsabilidad de ingeniería continua que nunca desaparece del todo cuando mantienes un scraper hecho a mano, sea código abierto o no.
Escenarios prácticos
Extracción puntual para usuarios de negocio
Imagina que una persona de sales ops necesita una lista de empresas de un directorio web para final del día y no hay ingeniero disponible. Thunderbit está hecho exactamente para eso: abres la página, haces clic en One Click Extract, exportas a Google Sheets y sigues con tu día. Nadie va a escribir FQL para una tarea puntual.
Automatización de navegador repetible creada por desarrolladores
Ahora imagina que un equipo de ingeniería está construyendo un pipeline de monitoreo que debe revisar cada noche la página de precios de un competidor, analizar datos anidados específicos y enviarlos a un sistema interno con lógica de transformación personalizada. Aquí es donde el enfoque de consultas declarativas de MontFerret puede brillar: escribes el FQL una sola vez, entiendes exactamente qué hace y controlas todo el pipeline.
Flujo de trabajo dinámico de varios pasos en un sitio
Para sitios que requieren flujos de inicio de sesión, navegación entre varias páginas y acciones condicionales según lo que aparece en pantalla, el driver CDP de MontFerret y su lógica explícita de consultas te dan el control para programarlo con precisión. Thunderbit puede manejar paginación compatible y enriquecimiento de subpáginas en páginas compatibles y autorizadas, pero no está pensado como una herramienta general de scripting para flujos arbitrarios de navegador con varios pasos.
Integración con API o agentes de IA
Si estás construyendo un agente de IA que necesita obtener datos web estructurados como parte de un flujo más amplio, el MCP Server de Thunderbit se conecta directamente con herramientas como Claude Code o Cursor. MontFerret también puede integrarse en una pila personalizada, pero tendrías que construir tú mismo esa capa de integración en lugar de usar un conector ya hecho.
Fiabilidad, flexibilidad y mantenimiento
Voy a ser directo aquí, porque esta es la sección en la que muchos artículos comparativos se vuelven flojos. La comprensión agentic de páginas de Thunderbit es realmente útil porque reduce la carga de mantenimiento de los selectores codificados: el agente vuelve a leer la estructura de la página en lugar de depender de una ruta CSS frágil que se rompe en cuanto un sitio rediseña su marcado. Pero “agentic” no significa “mágico”. Funciona en páginas compatibles y autorizadas, y hay sitios y situaciones en los que puede no extraer exactamente lo que esperas.
La lógica explícita de consultas y automatización de MontFerret es más predecible en un sentido —sabes exactamente qué hace la consulta porque la escribiste tú—, pero esa previsibilidad se paga con fragilidad cuando cambia la página subyacente. Si un sitio cambia un div por una section, tu selector puede romperse sin avisar, y no lo sabrás hasta que los datos vuelvan vacíos o incorrectos.
Ninguna de las dos herramientas afirma de forma universal que puede vencer protecciones anti-bot, y yo desconfiaría de cualquier herramienta que lo prometiera. Ambas requieren trabajar dentro de los límites de lo que estás autorizado a acceder.
Precio, licencia y coste total
Aquí es donde la etiqueta de “gratis” del software de código abierto puede ser engañosa, y creo que vale la pena hablarlo con claridad.
MontFerret es de código abierto; verifica la licencia exacta y actual en su repositorio antes de comprometerte, porque estas cosas pueden cambiar técnicamente, pero en términos generales no hay una tarifa de suscripción para usar el framework principal. Dicho eso, “gratis” solo cubre la licencia del software. Aun así tienes que aprovisionar y alojar tu propio cómputo, ejecutar y mantener instancias de Chrome/Chromium, gestionar proxies si vas a extraer a gran escala, configurar monitorización para cuando algo falle y pagar a ingenieros para escribir y mantener los scripts FQL.
Thunderbit funciona con una estructura de plan de pago —consulta la página actual de Thunderbit Pricing para obtener los números exactos, ya que estos detalles cambian con el tiempo—, pero ese coste incluye la ejecución gestionada en navegador/nube, la lógica de extracción agentic, las exportaciones y el acceso por API/MCP/CLI. No hay una factura de infraestructura aparte de la que preocuparse.
| Factor de coste | Thunderbit | MontFerret |
|---|---|---|
| Coste de licencia | SaaS de pago (por créditos/plan) | Gratis, de código abierto |
| Coste de infraestructura | Incluido en el plan | Tú aprovisionas/hosteas servidores, Chrome y proxies |
| Tiempo de ingeniería | Mínimo: no hace falta código | Continuo: escribir, probar y depurar FQL |
| Carga de mantenimiento | Lo gestiona el producto | A cargo de tu equipo |
La verdadera pregunta no es “cuál es más barato”, sino “dónde quieres que aparezca el coste”. Thunderbit lo refleja en una factura mensual. MontFerret lo refleja en el calendario de tu equipo de ingeniería.
¿Quién debería elegir Thunderbit?
Si eres parte de un equipo sin perfil técnico y necesitas datos ahora mismo, sin recursos de ingeniería disponibles, Thunderbit es la opción obvia. Lo mismo aplica si haces extracciones de datos de negocio puntuales o recurrentes y “cero configuración” pesa más que el control granular. Y si ya estás construyendo flujos de trabajo con agentes de IA y quieres que el scraping se conecte mediante MCP o CLI sin crear una capa de integración personalizada, eso encaja de lleno con Thunderbit.
¿Quién debería elegir MontFerret?
Si eres desarrollador y estás construyendo un pipeline de scraping repetible que debe ejecutarse en CI/CD, o necesitas infraestructura autohospedada por motivos de residencia de datos o cumplimiento, el enfoque declarativo y el control total de infraestructura de MontFerret tienen sentido. También es mejor opción si tu equipo tiene capacidad técnica para mantener scripts FQL a largo plazo y realmente quiere ese nivel de control sobre la lógica de automatización del navegador.
¿Pueden usar ambos los equipos?
Sinceramente, sí, y no creo que esa sea una respuesta evasiva. He visto configuraciones en las que un equipo técnico ejecuta trabajos FQL especializados y repetibles para pipelines de datos centrales que necesitan lógica exacta y versionada, mientras que los usuarios de negocio del mismo equipo usan Thunderbit para investigación ad hoc, exportaciones rápidas o extracciones exploratorias que no justifican escribir un script personalizado. En realidad no son herramientas en competencia directa; están en capas diferentes de una misma operación de datos más amplia. No voy a fingir que exista alguna integración oficial entre ambas, porque no la hay, pero desde el punto de vista arquitectónico es una división perfectamente razonable.
Veredicto
Si tuviera que resumirlo en una sola frase: elige según quién haga el trabajo y cuánto tiempo tenga. Si tienes a una persona sin perfil técnico que necesita una tabla de datos en los próximos diez minutos, Thunderbit gana siempre: no hay discusión. Si tienes un ingeniero que quiere un pipeline de scraping declarativo, autohospedado y controlable por versiones, y no le importa asumir el mantenimiento a largo plazo, MontFerret es una opción de código abierto realmente sólida.
Esto no es una situación de “una herramienta vence a la otra”, y te haría un flaco favor si fingiera lo contrario. Es una cuestión de “qué problema estás resolviendo realmente”.
Preguntas frecuentes
¿De qué proyecto Ferret estamos hablando? El proyecto relevante es MontFerret, el framework declarativo de web scraping de código abierto en montferret.dev. No tiene relación con el modelo de visión Ferret de Apple, la herramienta de visualización de datos Ferret de NOAA ni con ningún otro proyecto que comparta el nombre “Ferret”.
¿MontFerret es de código abierto? Sí, MontFerret es un proyecto de código abierto. No hay una tarifa de licencia para el framework principal, aunque deberías revisar el repositorio actual para confirmar los términos exactos antes de usarlo en un contexto comercial, ya que los costes de infraestructura e ingeniería siguen existiendo aunque el software sea gratis.
¿Thunderbit admite integraciones con API y MCP? Sí. Thunderbit ofrece una Open API para acceso programático y un MCP Server que conecta las herramientas de extracción de Thunderbit con hosts de agentes de IA como Claude Code y Cursor, además de una CLI para flujos de trabajo basados en terminal.
¿Cuál es más fácil para quienes no son desarrolladores? Thunderbit, sin duda. Su extensión de navegador está pensada específicamente para que usuarios sin perfil técnico puedan extraer datos estructurados haciendo clic en One Click Extract: sin lenguaje de consultas, sin selectores, sin código. MontFerret requiere aprender FQL y configurar un runtime, lo que supone al menos habilidades básicas de desarrollo.
¿Cuál ofrece un control más explícito sobre la automatización del navegador? MontFerret. Como escribes consultas FQL directamente sobre el DOM a través de Chrome DevTools Protocol, obtienes un control preciso, a nivel de código, sobre navegación, interacciones y lógica condicional. El enfoque agentic de Thunderbit prioriza la extracción estructurada rápida en páginas compatibles, no la automatización detallada de scripts.
