Thunderbit vs MontFerret: Agentic Web Scraper atau Framework Otomasi Browser Open-Source?

Terakhir diperbarui pada August 19, 2026
Thunderbit vs MontFerret: Agentic Web Scraper atau Framework Otomasi Browser Open-Source?
Ringkasan AI
Thunderbit dan MontFerret berbeda baik dalam model interaksi maupun tanggung jawab engineering. Thunderbit memberi pengguna bisnis workflow agentik One Click Extract di halaman yang berizin, berjalan otomatis, dan menghasilkan data terstruktur, dengan Run Now sebagai opsi. MontFerret adalah framework otomasi browser dan scraping open-source yang dibangun di atas kueri FQL deklaratif dan eksekusi yang dikelola developer. Poin keputusan utama mencakup setup, interaksi halaman, logika kueri, output, deployment, maintenance, API, penjadwalan, biaya, dan kapan memilih ekstraksi no-code terkelola versus infrastruktur otomasi browser yang bisa diprogram.

Beberapa minggu lalu, seseorang di Slack tim kami membagikan tautan sambil bertanya, "eh, ini Ferret yang sama bukan?" Ternyata bukan. Rupanya ada model visi Apple bernama Ferret, ada tool data NOAA bernama Ferret, lalu ada MontFerret — framework otomasi browser open-source yang dipakai developer untuk menulis skrip scraping dengan sesuatu yang disebut FQL. Semuanya tidak saling terkait, dan kalau Anda sedang mencari "Thunderbit vs MontFerret" sekarang, kemungkinan besar Anda juga sudah terjebak di kebingungan yang sama.

Jadi mari kita luruskan dulu: saya menjalankan Thunderbit, dan di sini saya membahas produk kami versus MontFerret secara spesifik — proyek web scraping deklaratif di montferret.dev. Bukan produk Apple. Bukan tool NOAA. Dan jujur saja, setelah lewat dari keruwetan nama tadi, perbandingannya jadi cukup menarik, karena Thunderbit dan MontFerret sebenarnya tidak benar-benar memperebutkan pelanggan yang sama. Mereka menyelesaikan masalah yang berbeda untuk orang yang berbeda, dan menurut saya itulah inti ceritanya.

Jawaban Singkat

Kalau Anda ingin versi singkatnya sebelum masuk ke detail: Thunderbit adalah agentic web scraper terkelola yang dibuat untuk mengubah halaman apa pun menjadi data terstruktur dengan cepat — tersedia lewat ekstensi browser, Web App, Open API, MCP Server, dan CLI. MontFerret adalah framework otomasi browser open-source tempat Anda menulis kueri dalam FQL (Ferret Query Language) untuk scraping dan berinteraksi dengan halaman.

Satu catatan lagi sebelum lanjut, karena saya sudah sering lihat orang buang waktu 20 menit untuk ini: fokusnya memang hanya proyek MontFerret. Bukan model visi Ferret dari Apple, bukan tool visualisasi data Ferret milik NOAA, dan bukan Ferret lain apa pun yang mungkin muncul dari pencarian Google. Hanya montferret.dev.

Sekilas Perbandingan

ThunderbitMontFerret
Pengguna utamaPengguna bisnis non-teknis (sales, ops, GTM), plus developerDeveloper/engineer
SetupPasang ekstensi atau buka Web AppInstal runtime Go/Ferret, konfigurasi port debugging Chrome
AntarmukaKlik One Click Extract, sisanya dikerjakan agenTulis kueri FQL terhadap DOM/CDP
Bahasa kueriTidak ada — penyempurnaan field pakai bahasa naturalFQL (terinspirasi oleh ArangoDB AQL)
Otomasi browserDikelola di halaman yang kompatibel dan berizinDikelola sendiri lewat Chrome DevTools Protocol
Logika ekstraksiAnalisis halaman secara agentikSelector, loop, dan filter eksplisit yang Anda tulis
DeploymentEkstensi browser / Web App / cloudSelf-hosted, infrastruktur Anda sendiri
PenjadwalanDidukung di paket yang memenuhi syaratAnda yang membangun dan mengelolanya
MaintenanceDitangani oleh produkDitanggung tim Anda
LisensiSaaS berbayar (berbasis kredit/paket)Open-source, gratis dijalankan
Total biayaBiaya langgananSoftware "gratis", tetapi tetap ada biaya infrastruktur + waktu engineering

Apa Itu Thunderbit?

Saya sudah menjelaskan Thunderbit ke banyak orang yang belum pernah melakukan scraping website sama sekali, dan biasanya saya gambarkan seperti ini: Anda membuka halaman yang memang berhak Anda akses, klik satu tombol, lalu Thunderbit mencari tahu data apa yang penting di halaman itu.

Alurnya begini. Anda klik One Click Extract. Agen kami mendeteksi halaman, membacanya, menganalisis strukturnya, lalu menyiapkan field yang menurutnya berguna — misalnya nama produk, harga, info kontak, atau apa pun yang memang ditampilkan halaman tersebut. Setelah itu, muncul tombol Run Now. Anda bisa klik untuk langsung memulai, atau kalau Anda... tidak melakukan apa pun, prosesnya akan berjalan otomatis. Selesai. Satu klik yang disengaja, tanpa bangun skema, tanpa menulis selector, tanpa kode.

Thunderbit

Itu adalah alur kerja Thunderbit Chrome Extension, dan inilah yang paling sering ditemui orang pertama kali. Tapi itu bukan satu-satunya cara memakainya. Kalau Anda ingin menyempurnakan ekstraksi — misalnya meminta agar field tertentu yang terlewat ikut diambil, atau memformat ulang sesuatu — Anda bisa melakukannya dengan instruksi biasa. Thunderbit juga menangani pagination yang kompatibel dan enrichment subpage secara otomatis di halaman yang didukung, serta memungkinkan ekspor ke Excel, Google Sheets, Airtable, atau Notion.

Untuk developer, ada lebih banyak lagi di balik layar: Thunderbit Web App untuk ekstraksi berbasis cloud, Open API untuk akses programatik, MCP Server untuk terhubung ke AI agent seperti Claude atau Cursor, dan CLI untuk workflow berbasis terminal atau coding agent. Jadi walaupun ekstensi adalah pintu masuk tanpa kode, Thunderbit bukan sekadar alat browser biasa — ini platform ekstraksi penuh dengan banyak jalur masuk.

Satu catatan jujur di sini, karena saya tidak ingin melebih-lebihkan: "one click" berlaku untuk halaman yang kompatibel dan memang Anda berwenang mengaksesnya. Itu bukan jaminan untuk menembus semua sistem anti-bot, semua login wall, atau semua kasus aneh yang dilemparkan sebuah website.

Apa Itu MontFerret?

MontFerret adalah sesuatu yang benar-benar berbeda, dan saya justru menghargai apa yang mereka bangun. Ini adalah sistem web scraping deklaratif open-source di mana alih-alih klik tombol, Anda menulis kueri dalam FQL — Ferret Query Language — yang oleh proyek ini dijelaskan terinspirasi dari AQL milik ArangoDB.

MontFerret

Menurut dokumentasi resmi mereka, sistem ini terdiri dari beberapa komponen inti: parser FQL, compiler, runtime, standard library, registry user-function, driver HTML in-memory, driver Chrome DevTools Protocol (CDP), dan antarmuka baris perintah. Kedengarannya banyak, dan memang begitu — tapi justru itu intinya. MontFerret dibuat untuk developer yang ingin kontrol detail sampai ke level kode tentang bagaimana sebuah halaman di-scrape.

Untuk segala hal yang melibatkan konten yang dirender JavaScript atau interaksi browser sungguhan, Anda perlu menjalankan Chrome atau Chromium dengan port debugging terbuka agar MontFerret bisa berkomunikasi lewat CDP. Setelah itu disiapkan, kueri FQL Anda bisa mengekspresikan loop, filter, selector bergaya CSS, navigasi halaman, interaksi klik/ketik, dan nilai balik terstruktur — pada dasarnya bahasa kueri yang membungkus logika otomasi browser.

Trade-off-nya nyata: MontFerret mengabstraksi banyak plumbing browser/jaringan di level rendah, tetapi Anda tetap harus belajar FQL, menulis dan menguji kueri Anda, serta mengoperasikan runtime sendiri. Tidak ada momen "klik lalu dia cari field-nya sendiri" di sini. Anda memberi tahu persis apa yang harus dilakukan, setiap saat.

Perbedaan Inti: Produk Agentik Terkelola vs Framework Bahasa Kueri

Waktu menuju hasil terstruktur pertama

Di sinilah kesenjangannya paling jelas. Dengan Thunderbit, waktu menuju hasil pertama dihitung dalam detik: klik One Click Extract, biarkan agen menganalisis halaman, lalu tugas berjalan otomatis; Run Now bersifat opsional. Dengan MontFerret, Anda harus menulis kueri dulu. Bahkan skrip FQL sederhana pun perlu memahami selector, sintaks kueri, dan cara driver CDP berperilaku di halaman target Anda. Ini bukan celaan untuk MontFerret — hanya titik awal yang memang berbeda secara fundamental. Yang satu "biarkan agen yang mencari tahu", yang lain "Anda beritahu persis apa yang harus dilakukan."

one-click-vs-fql-automation

Otomasi browser kustom dan kontrol

Namun kalau dilihat dari sisi lain, MontFerret unggul dalam presisi. Jika Anda butuh scraper yang melakukan sesuatu yang sangat spesifik — pengisian form multi-langkah, logika kondisional berdasarkan status halaman, perilaku retry khusus — FQL memberi Anda tingkat kontrol seperti itu karena logikanya Anda tulis sendiri. Pendekatan agentik Thunderbit sangat bagus untuk "ambil yang berguna dari halaman ini", tetapi tidak dirancang sebagai bahasa scripting browser serbaguna. Kalau use case Anda membutuhkan branching logic yang dibuat khusus untuk workflow multi-halaman, itu jelas ranah MontFerret.

Deployment dan kepemilikan maintenance

Ini bagian yang sering diremehkan. Dengan Thunderbit, saat struktur situs berubah, ekstraksi agentik beradaptasi karena setiap kali halaman dianalisis ulang, bukan bergantung pada selector yang dikodekan secara keras — meski lagi-lagi, ini bukan janji bahwa semuanya akan berhasil di setiap redesign. Dengan MontFerret, jika struktur DOM situs berubah, selector di kueri FQL Anda bisa rusak, dan seseorang di tim Anda harus menyadarinya, men-debug, lalu memperbaikinya. Itu tanggung jawab engineering yang berkelanjutan dan tidak benar-benar hilang pada scraper buatan sendiri, open-source atau bukan.

Skenario Praktis

Ekstraksi sekali pakai untuk pengguna bisnis

Misalnya seorang staf sales ops perlu daftar perusahaan dari sebuah directory site sebelum akhir hari, dan tidak ada engineer yang tersedia. Thunderbit dibuat untuk kasus seperti ini: buka halaman, klik One Click Extract, ekspor ke Google Sheets, lanjutkan hari Anda. Tidak ada yang menulis FQL untuk tugas satu kali.

Otomasi browser berulang yang ditulis developer

Sekarang bayangkan tim engineering membangun pipeline monitoring yang harus memeriksa halaman harga kompetitor setiap malam, mengurai data nested tertentu, lalu mengirimkannya ke sistem internal dengan logika transformasi khusus. Di sinilah pendekatan kueri deklaratif MontFerret bisa bersinar — Anda menulis FQL sekali, memahami persis apa yang dilakukannya, lalu mengelola seluruh pipeline.

from-fql-to-browser-actions

Workflow situs dinamis multi-langkah

Untuk situs yang memerlukan alur login, navigasi beberapa halaman, dan tindakan kondisional berdasarkan apa yang tampil di layar, driver CDP dan logika kueri eksplisit MontFerret memberi Anda kontrol untuk menskrip semuanya secara presisi. Thunderbit bisa menangani pagination yang kompatibel dan enrichment subpage pada halaman yang didukung dan berizin, tetapi bukan alat scripting umum untuk workflow browser multi-langkah yang sembarang.

Integrasi API atau AI agent

Kalau Anda membangun AI agent yang perlu mengambil data web terstruktur sebagai bagian dari workflow yang lebih besar, MCP Server milik Thunderbit bisa langsung terhubung ke alat seperti Claude Code atau Cursor. MontFerret juga bisa dimasukkan ke stack kustom, tetapi Anda membangun lapisan integrasinya sendiri, bukan memakai konektor yang sudah jadi.

Keandalan, Fleksibilitas, dan Maintenance

Saya akan to the point di sini karena ini bagian yang sering dibuat asal dalam banyak artikel perbandingan. Pemahaman halaman secara agentik di Thunderbit benar-benar berguna karena mengurangi beban maintenance dari selector yang dikodekan secara keras — agen membaca ulang struktur halaman, bukan bergantung pada path CSS rapuh yang langsung rusak saat situs mengubah markup-nya. Tapi "agentik" bukan berarti "ajaib." Fitur ini bekerja pada halaman yang kompatibel dan berizin, dan tentu ada situs serta situasi yang mungkin tidak mengekstrak persis seperti yang Anda harapkan.

Logika kueri/otomasi eksplisit MontFerret lebih dapat diprediksi dalam satu arti — Anda tahu persis apa yang dilakukan kueri karena Anda yang menulisnya — tetapi prediktabilitas itu dibayar dengan kerapuhan saat halaman dasarnya berubah. Jika sebuah situs mengganti div menjadi section, selector Anda bisa diam-diam rusak, dan Anda baru tahu setelah data kembali kosong atau salah.

Tidak ada alat yang membuat klaim universal bahwa mereka bisa mengalahkan proteksi anti-bot, dan saya akan skeptis terhadap alat apa pun yang mengklaim begitu. Keduanya harus digunakan dalam batas akses yang memang Anda miliki.

Harga, Lisensi, dan Total Biaya

Di sinilah label "gratis" pada software open-source sering menyesatkan, dan menurut saya ini perlu disampaikan secara langsung.

self-hosted-automation-ownership

MontFerret adalah open-source — pastikan Anda memeriksa lisensi aktual terbaru di repositori mereka sebelum berkomitmen, karena hal-hal seperti ini secara teknis bisa berubah — tetapi secara umum tidak ada biaya langganan untuk memakai framework intinya. Namun, "gratis" hanya mencakup lisensi software. Anda tetap perlu menyediakan dan meng-host komputasi sendiri, menjalankan dan memelihara instance Chrome/Chromium, mengelola proxy jika scraping dilakukan pada volume yang nyata, menyiapkan monitoring saat ada yang rusak, dan membayar engineer untuk menulis serta memelihara skrip FQL.

Thunderbit berjalan dengan struktur paket berbayar — cek halaman Thunderbit Pricing terbaru untuk angka yang tepat karena detailnya bisa berubah dari waktu ke waktu — tetapi biaya itu sudah mencakup execution browser/cloud yang terkelola, logika ekstraksi agentik, ekspor, serta akses API/MCP/CLI. Tidak ada tagihan infrastruktur terpisah yang perlu dipusingkan.

Faktor BiayaThunderbitMontFerret
Biaya lisensiSaaS berbayar (berbasis kredit/paket)Gratis, open-source
Biaya infrastrukturSudah termasuk dalam paketAnda yang menyediakan/hosting server, Chrome, proxy
Waktu engineeringMinimal — tidak perlu kodeBerkelanjutan — menulis, menguji, men-debug FQL
Beban maintenanceDitangani produkDitanggung tim Anda

Pertanyaan sebenarnya bukan "mana yang lebih murah" — melainkan "biaya itu ingin muncul di mana." Thunderbit menampilkannya sebagai tagihan bulanan. MontFerret menampilkannya di kalender tim engineering Anda.

Siapa yang Sebaiknya Memilih Thunderbit?

Kalau Anda anggota tim non-teknis yang butuh data sekarang dan tidak punya resource engineering yang siap siaga, Thunderbit adalah pilihan yang paling jelas. Hal yang sama berlaku untuk siapa pun yang melakukan pengambilan data bisnis sekali pakai atau berulang, di mana "tanpa setup" lebih penting daripada kontrol granular. Dan kalau Anda sudah membangun workflow AI agent dan ingin scraping terhubung lewat MCP atau CLI tanpa menulis lapisan integrasi kustom, itu sangat cocok dengan Thunderbit.

Siapa yang Sebaiknya Memilih MontFerret?

Kalau Anda developer yang membangun pipeline scraping berulang yang harus berjalan di CI/CD, atau Anda membutuhkan infrastruktur self-hosted demi alasan data residency atau compliance, pendekatan deklaratif dan kontrol penuh infrastruktur dari MontFerret sangat masuk akal. Ini juga pilihan yang lebih tepat kalau tim Anda punya bandwidth engineering untuk memelihara skrip FQL dalam jangka panjang dan memang menginginkan tingkat kontrol seperti itu atas logika otomasi browser.

Bisakah Tim Menggunakan Keduanya?

Jujur saja, bisa, dan saya rasa itu bukan jawaban mengelak. Saya pernah melihat setup di mana tim teknis menjalankan job FQL khusus yang dapat diulang untuk pipeline data inti yang membutuhkan logika presisi dan version-controlled, sementara pengguna bisnis di tim yang sama memakai Thunderbit untuk riset ad hoc, ekspor cepat, atau pengambilan data eksploratif yang tidak layak ditulis sebagai skrip kustom. Keduanya sebenarnya bukan alat yang bersaing langsung — mereka berada di lapisan berbeda dalam operasi data yang lebih luas. Saya tidak akan berpura-pura ada integrasi resmi di antara keduanya, karena memang tidak ada, tetapi secara arsitektur pemisahan seperti itu sangat masuk akal.

Putusan Akhir

Kalau saya harus merangkumnya dalam satu kalimat: pilih berdasarkan siapa yang mengerjakan dan berapa banyak waktu yang mereka punya. Kalau Anda punya orang non-teknis yang butuh tabel data dalam sepuluh menit ke depan, Thunderbit menang telak — tidak ada kompetisi. Kalau Anda punya engineer yang ingin pipeline scraping deklaratif, self-hosted, version-controllable, dan tidak keberatan menanggung maintenance jangka panjang, MontFerret adalah opsi open-source yang benar-benar bagus.

Ini bukan situasi "satu alat mengalahkan yang lain", dan saya akan merugikan Anda jika berpura-pura sebaliknya. Ini adalah situasi "masalah apa yang sebenarnya sedang Anda selesaikan".

FAQ

Proyek Ferret mana yang sedang dibahas? Proyek yang relevan adalah MontFerret, framework web scraping deklaratif open-source di montferret.dev. Ini tidak terkait dengan model visi Ferret dari Apple, tool visualisasi data Ferret milik NOAA, atau proyek lain yang memakai nama "Ferret".

Apakah MontFerret open source? Ya, MontFerret adalah proyek open-source. Tidak ada biaya lisensi untuk framework intinya, meski Anda tetap perlu memeriksa repositori terbaru untuk melihat ketentuan lisensi yang tepat sebelum memakainya dalam konteks komersial, karena biaya infrastruktur dan engineering tetap ada meskipun softwarenya gratis.

Apakah Thunderbit mendukung integrasi API dan MCP? Ya. Thunderbit menyediakan Open API untuk akses programatik dan MCP Server yang menghubungkan tool ekstraksi Thunderbit ke host AI agent seperti Claude Code dan Cursor, ditambah CLI untuk workflow berbasis terminal.

Mana yang lebih mudah untuk non-developer? Thunderbit, tanpa ragu. Ekstensi browser-nya dibuat khusus agar pengguna non-teknis bisa mengekstrak data terstruktur hanya dengan klik One Click Extract — tanpa bahasa kueri, tanpa selector, tanpa kode. MontFerret mengharuskan Anda belajar FQL dan menyiapkan runtime, yang setidaknya membutuhkan keterampilan development dasar.

Mana yang memberi kontrol otomasi browser lebih eksplisit? MontFerret. Karena Anda menulis kueri FQL langsung terhadap DOM lewat Chrome DevTools Protocol, Anda mendapat kontrol presisi di level kode atas navigasi, interaksi, dan logika kondisional. Pendekatan agentik Thunderbit dioptimalkan untuk ekstraksi terstruktur yang cepat pada halaman yang kompatibel, bukan otomasi skrip granular.

Shuai Guan
Shuai Guan
CEO di Thunderbit | Ahli Otomasi Data AI Shuai Guan adalah CEO Thunderbit dan lulusan Teknik dari University of Michigan. Dengan pengalaman hampir satu dekade di bidang teknologi dan arsitektur SaaS, ia berfokus mengubah model AI yang kompleks menjadi alat ekstraksi data praktis tanpa coding. Di blog ini, ia membagikan wawasan apa adanya yang sudah teruji di lapangan tentang web scraping dan strategi otomasi untuk membantu Anda membangun alur kerja yang lebih cerdas dan berbasis data. Saat tidak sedang mengoptimalkan alur kerja data, ia menyalurkan ketelitian yang sama pada kecintaannya terhadap fotografi.
Topics
Thunderbit vs MontFerretOpen-source web scraperAgentic web scraper
Daftar isi
Thunderbit · Agen data web AI

Ekstrak data dari halaman apa pun dalam 1 klik

Dipercaya 250.000+ pengguna
tersedia paket gratis
Dari halaman web ke spreadsheet
Jelaskan kebutuhanmu — Agen AI Thunderbit akan men-scrape lalu mengekspor ke Excel, Google Sheets, Airtable, atau Notion. Gratis untuk memulai.
Chrome Store Rating
PRODUCT HUNT#1 Product of the Week