Qualche settimana fa, su Slack, qualcuno del nostro team ha condiviso un link chiedendo: “Aspetta, è lo stesso Ferret?”. No, non lo era. A quanto pare esiste un modello di visione di Apple chiamato Ferret, uno strumento dati della NOAA chiamato Ferret, e poi c’è MontFerret — un framework open-source per l’automazione del browser che gli sviluppatori usano per scrivere script di scraping in qualcosa chiamato FQL. Non c’entrano nulla tra loro e, se stai cercando proprio “Thunderbit vs MontFerret”, probabilmente ti sei già scontrato con la stessa confusione.
Facciamo subito chiarezza: io lavoro su Thunderbit e qui sto parlando del nostro prodotto contro MontFerret nello specifico — il progetto di web scraping dichiarativo su montferret.dev. Non il progetto di Apple. Non lo strumento di NOAA. E, sinceramente, una volta superato il caos dei nomi, il confronto diventa davvero interessante, perché Thunderbit e MontFerret non si contendono davvero lo stesso cliente. Risolvono problemi diversi per persone diverse, ed è questa la vera storia.
Risposta rapida
Se vuoi una versione breve prima di entrare nei dettagli: Thunderbit è un estrattore web gestito e agentico, progettato per trasformare rapidamente qualsiasi pagina in dati strutturati — tramite estensione browser, Web App, Open API, MCP Server e CLI. MontFerret è un framework open-source per l’automazione del browser in cui si scrivono query in FQL (Ferret Query Language) per estrarre dati e interagire con le pagine.
Un’altra precisazione, perché ho visto persone perdere 20 minuti su questo: qui parliamo esclusivamente del progetto MontFerret. Non del modello di visione Ferret di Apple, non dello strumento di visualizzazione dati Ferret della NOAA, né di qualsiasi altro “Ferret” che potresti incontrare su Google. Solo montferret.dev.
In breve
| Thunderbit | MontFerret | |
|---|---|---|
| Utente principale | Utenti business non tecnici (sales, operations, GTM), più sviluppatori | Sviluppatori/ingegneri |
| Configurazione | Installa l’estensione o apri la Web App | Installa Go/runtime Ferret, configura la porta di debug di Chrome |
| Interfaccia | Clicca One Click Extract, il resto lo fa l’agente | Scrivi query FQL sul DOM/CDP |
| Linguaggio di query | Nessuno — rifinitura dei campi in linguaggio naturale | FQL (ispirato ad ArangoDB AQL) |
| Automazione browser | Gestita su pagine compatibili e autorizzate | Gestita da te tramite Chrome DevTools Protocol |
| Logica di estrazione | Analisi agentica della pagina | Selettori, loop e filtri espliciti scritti da te |
| Distribuzione | Estensione browser / Web App / cloud | Self-hosted, infrastruttura sotto il tuo controllo |
| Pianificazione | Disponibile su piani idonei | La costruisci e la gestisci tu |
| Manutenzione | Gestita dal prodotto | A carico del tuo team |
| Licenza | SaaS a pagamento (crediti / piano) | Open-source, gratuito da eseguire |
| Costo totale | Costo dell’abbonamento | Software “gratis”, ma con costo di infrastruttura + tempo tecnico |
Cos’è Thunderbit?
Ho spiegato Thunderbit a moltissime persone che non hanno mai estratto dati da un sito in vita loro, e di solito lo descrivo così: apri una pagina a cui hai accesso, clicchi un pulsante e Thunderbit capisce quali dati contano davvero in quella pagina.
Il flusso reale è questo. Clicchi One Click Extract. Il nostro agente riconosce la pagina, legge il contenuto, ne analizza la struttura e prepara i campi che ritiene utili — ad esempio nomi prodotto, prezzi, informazioni di contatto, insomma tutto ciò che la pagina sta offrendo davvero. Poi mostra Run Now. Puoi cliccarlo per partire subito, oppure, se non fai nulla… parte da solo. Tutto qui. Un solo click intenzionale, nessun bisogno di definire schemi, scrivere selettori o programmare.
Questo è il flusso della Thunderbit Chrome Extension, ed è quello che la maggior parte delle persone incontra per primo. Ma non è l’unica interfaccia. Se vuoi rifinire l’estrazione — per esempio chiedere di recuperare un campo specifico che è sfuggito, oppure riformattare qualcosa — puoi farlo con istruzioni in linguaggio naturale. Thunderbit gestisce anche, sulle pagine supportate, la paginazione compatibile e l’arricchimento delle sottopagine in automatico, e ti permette di esportare verso Excel, Google Sheets, Airtable o Notion.
Per gli sviluppatori c’è ancora di più sotto il cofano: la Thunderbit Web App per l’estrazione cloud, una Open API per l’accesso programmatico, un MCP Server per integrarsi con agenti AI come Claude o Cursor, e una CLI per flussi da terminale o con coding agent. Quindi, anche se l’estensione è il punto d’ingresso no-code, Thunderbit non è solo un giocattolo da browser: è una piattaforma completa di estrazione con diversi punti di accesso.
Una precisazione onesta, perché non voglio esagerare: il “one click” vale per le pagine compatibili a cui sei autorizzato ad accedere. Non è una garanzia contro ogni sistema anti-bot, ogni muro di login o ogni caso limite strano che un sito può presentare.
Cos’è MontFerret?
MontFerret è tutt’altra cosa, e in realtà apprezzo molto ciò che hanno costruito. È un sistema open-source di web scraping dichiarativo in cui, invece di cliccare pulsanti, scrivi query in FQL — Ferret Query Language — che il progetto descrive come ispirato ad AQL di ArangoDB.
Secondo la documentazione ufficiale, il sistema è composto da diversi elementi principali: un parser FQL, un compilatore, un runtime, una libreria standard, un registro di funzioni utente, driver HTML in memoria, un driver Chrome DevTools Protocol (CDP) e un’interfaccia a riga di comando. Se sembra un insieme di tanti pezzi, lo è davvero — ma è anche il punto. MontFerret è pensato per sviluppatori che vogliono un controllo dettagliato, a livello di codice, su come viene eseguito lo scraping di una pagina.
Per tutto ciò che riguarda contenuti renderizzati in JavaScript o l’interazione reale con il browser, serve Chrome o Chromium avviato con una porta di debug aperta, così MontFerret può comunicare tramite CDP. Una volta fatto, la tua query FQL può esprimere loop, filtri, selettori in stile CSS, navigazione tra pagine, click e digitazione, e valori di ritorno strutturati — in pratica un linguaggio di query che incapsula la logica di automazione del browser.
Il compromesso è reale: MontFerret astrae molta della parte bassa del browser e della rete, ma devi comunque imparare FQL, scrivere e testare le query e gestire il tuo runtime. Qui non c’è il momento “clicco e lui capisce i campi”. Gli dici esattamente cosa fare, ogni volta.
Differenza principale: prodotto agentico gestito vs framework basato su linguaggio di query
Tempo fino al primo risultato strutturato
Qui il divario è più evidente. Con Thunderbit, il tempo per arrivare al primo risultato si misura in secondi: clicchi One Click Extract, lasci che l’agente analizzi la pagina, e il lavoro parte in automatico; Run Now è facoltativo. Con MontFerret, invece, devi prima scrivere una query. Anche uno script FQL semplice richiede di capire i selettori, la sintassi della query e il comportamento del driver CDP sulla pagina di destinazione. Non è una critica a MontFerret — è semplicemente un punto di partenza completamente diverso. Uno è “lascia che sia l’agente a capirlo”, l’altro è “dì esattamente cosa deve fare”.
Automazione browser personalizzata e controllo
Capovolgendo il punto di vista, però, MontFerret vince in precisione. Se ti serve uno scraper che faccia qualcosa di molto specifico — compilazione di moduli in più passaggi, logica condizionale in base allo stato della pagina, comportamento di retry personalizzato — FQL ti offre quel livello di controllo perché la logica la scrivi tu. L’approccio agentico di Thunderbit è ottimo per “estrai ciò che è utile in questa pagina”, ma non è pensato come linguaggio di scripting generico per il browser. Se il tuo caso d’uso richiede logiche ramificate su più pagine, quello è il territorio di MontFerret.
Distribuzione e responsabilità di manutenzione
Ecco la parte che molti sottovalutano. Con Thunderbit, quando un sito cambia layout, l’estrazione agentica si adatta perché rianalizza la pagina ogni volta invece di affidarsi a selettori hardcoded — anche se, di nuovo, non è una promessa che funzionerà su ogni redesign. Con MontFerret, se cambia la struttura DOM di un sito, i selettori della tua query FQL possono rompersi e qualcuno del tuo team deve accorgersene, fare debug e correggerli. Questa è una responsabilità ingegneristica continua che non sparisce mai del tutto con uno scraper scritto a mano, open-source o no.
Scenari pratici
Estrazione una tantum per utenti business
Immagina che una persona del team sales operations debba ottenere entro fine giornata un elenco di aziende da un directory site e non ci sia nessun ingegnere disponibile. Thunderbit è progettato esattamente per questo: apri la pagina, clicchi One Click Extract, esporti su Google Sheets e vai avanti con la giornata. Nessuno sta scrivendo FQL per un’attività una tantum.
Automazione browser ripetibile scritta da sviluppatori
Ora immagina un team di engineering che stia costruendo una pipeline di monitoraggio per controllare ogni notte la pagina prezzi di un concorrente, estrarre dati annidati specifici e inviarli a un sistema interno con logica di trasformazione personalizzata. Qui l’approccio dichiarativo di MontFerret può davvero brillare — scrivi FQL una volta, sai esattamente cosa fa e ti assumi la piena responsabilità della pipeline.
Flusso dinamico multi-step di un sito
Per siti che richiedono login, navigazione tra più pagine e azioni condizionate da ciò che appare sullo schermo, il driver CDP di MontFerret e la logica esplicita delle query ti danno il controllo necessario per scriptare tutto con precisione. Thunderbit può gestire la paginazione compatibile e l’arricchimento delle sottopagine su pagine supportate e autorizzate, ma non è pensato come strumento di scripting generale per flussi browser arbitrari e multi-step.
Integrazione con API o agenti AI
Se stai costruendo un agente AI che deve recuperare dati web strutturati come parte di un workflow più ampio, l’MCP Server di Thunderbit si collega direttamente a strumenti come Claude Code o Cursor. Anche MontFerret può essere integrato in uno stack personalizzato, ma l’integrazione la costruisci tu, invece di usare un connettore già pronto.
Affidabilità, flessibilità e manutenzione
Qui voglio essere molto diretto, perché è la sezione in cui molti confronti diventano superficiali. La comprensione agentica della pagina di Thunderbit è davvero utile perché riduce il carico di manutenzione dei selettori hardcoded — l’agente rilegge la struttura della pagina invece di affidarsi a un percorso CSS fragile che si rompe appena un sito cambia markup. Ma “agentico” non significa “magico”. Funziona su pagine compatibili e autorizzate, e ci sono assolutamente siti e situazioni in cui potrebbe non estrarre esattamente ciò che ti aspetti.
La logica esplicita di query/automazione di MontFerret è più prevedibile in un certo senso — sai esattamente cosa fa la query perché l’hai scritta tu — ma questa prevedibilità ha un costo in termini di fragilità quando la pagina sottostante cambia. Se un sito sostituisce un div con una section, il tuo selettore potrebbe rompersi silenziosamente, e te ne accorgerai solo quando i dati tornano vuoti o sbagliati.
Nessuno dei due strumenti fa promesse universali di superare le protezioni anti-bot, e sarei diffidente verso qualsiasi tool che lo faccia. Entrambi richiedono di operare entro i limiti di ciò a cui sei autorizzato ad accedere.
Prezzo, licenza e costo totale
È qui che la dicitura “gratuito” dell’open-source diventa fuorviante, e credo sia importante parlarne in modo diretto.
MontFerret è open-source — verifica sempre la licenza attuale nel repository prima di adottarlo, perché questi aspetti possono tecnicamente cambiare — ma in generale non c’è una fee di abbonamento per usare il framework di base. Detto questo, “gratis” copre solo la licenza software. Devi comunque predisporre e ospitare la tua infrastruttura di calcolo, eseguire e mantenere istanze Chrome/Chromium, gestire proxy se fai scraping su volumi reali, configurare il monitoring quando qualcosa si rompe e pagare ingegneri per scrivere e mantenere gli script FQL.
Thunderbit invece si basa su un piano a pagamento — controlla la pagina Thunderbit Pricing per i dettagli aggiornati, dato che nel tempo possono cambiare — ma quel costo include esecuzione gestita browser/cloud, logica di estrazione agentica, esportazioni e accesso API/MCP/CLI. Non c’è nessuna bolletta separata per l’infrastruttura di cui preoccuparsi.
| Fattore di costo | Thunderbit | MontFerret |
|---|---|---|
| Costo licenza | SaaS a pagamento (crediti / piano) | Gratis, open-source |
| Costo infrastruttura | Incluso nel piano | Devi predisporre/ospitare server, Chrome, proxy |
| Tempo ingegneristico | Minimo — non serve codice | Continuo — scrivere, testare, debuggare FQL |
| Carico di manutenzione | Gestito dal prodotto | A carico del tuo team |
La vera domanda non è “qual è più economico”, ma “dove vuoi che ricada il costo”. Thunderbit lo mostra in una fattura mensile. MontFerret lo mostra nel calendario del tuo team di engineering.
Chi dovrebbe scegliere Thunderbit?
Se fai parte di un team non tecnico e ti servono dati subito, senza risorse ingegneristiche disponibili, Thunderbit è la scelta più ovvia. Lo stesso vale per chiunque faccia estrazioni business una tantum o ricorrenti in cui lo “zero setup” conta più del controllo granulare. E se stai già costruendo workflow con agenti AI e vuoi integrare lo scraping tramite MCP o CLI senza scrivere un layer di integrazione personalizzato, Thunderbit è perfettamente adatto.
Chi dovrebbe scegliere MontFerret?
Se sei uno sviluppatore e stai costruendo una pipeline di scraping ripetibile da eseguire in CI/CD, oppure ti serve un’infrastruttura self-hosted per esigenze di data residency o compliance, l’approccio dichiarativo di MontFerret e il pieno controllo dell’infrastruttura hanno senso. È anche la soluzione migliore se il tuo team ha la capacità tecnica per mantenere gli script FQL nel lungo periodo e vuole davvero quel livello di controllo sulla logica di automazione del browser.
I team possono usare entrambi?
Sinceramente, sì, e non penso sia una risposta di comodo. Ho visto configurazioni in cui un team tecnico gestisce job FQL specializzati e ripetibili per le pipeline dati core che richiedono una logica precisa e versionata, mentre gli utenti business dello stesso team usano Thunderbit per ricerche ad hoc, esportazioni rapide o estrazioni esplorative che non giustificano la scrittura di uno script personalizzato. Non sono davvero strumenti concorrenti: stanno su livelli diversi dello stesso processo dati più ampio. Non dirò che esiste un’integrazione ufficiale tra i due, perché non c’è, ma dal punto di vista architetturale la divisione ha perfettamente senso.
Verdetto
Se dovessi riassumere tutto in una frase: scegli in base a chi fa il lavoro e a quanto tempo ha. Se hai una persona non tecnica che ha bisogno di una tabella dati nei prossimi dieci minuti, Thunderbit vince sempre — non c’è paragone. Se hai un ingegnere che vuole una pipeline di scraping dichiarativa, self-hosted e versionabile, e non ha problemi a gestirne la manutenzione nel tempo, MontFerret è una valida opzione open-source.
Non è un caso in cui “uno strumento batte l’altro”, e ti farei un cattivo servizio se fingessi il contrario. Qui la domanda è: “quale problema stai davvero cercando di risolvere?”.
FAQ
Di quale progetto Ferret si sta parlando?
Il progetto rilevante è MontFerret, il framework open-source di web scraping dichiarativo su montferret.dev. Non ha alcuna relazione con il modello di visione Ferret di Apple, con lo strumento di visualizzazione dati Ferret della NOAA o con qualsiasi altro progetto che condivida il nome “Ferret”.
MontFerret è open-source?
Sì, MontFerret è un progetto open-source. Non ci sono costi di licenza per il framework di base, anche se dovresti verificare nel repository attuale i termini esatti della licenza prima di usarlo in un contesto commerciale, perché i costi di infrastruttura e di engineering restano comunque presenti anche se il software è gratuito.
Thunderbit supporta integrazioni API e MCP?
Sì. Thunderbit offre una Open API per l’accesso programmatico e un MCP Server che collega gli strumenti di estrazione di Thunderbit a host di agenti AI come Claude Code e Cursor, oltre a una CLI per workflow da terminale.
Qual è più facile per chi non sviluppa?
Thunderbit, senza dubbio. La sua estensione browser è pensata apposta per consentire agli utenti non tecnici di estrarre dati strutturati cliccando One Click Extract — niente linguaggi di query, niente selettori, niente codice. MontFerret richiede di imparare FQL e configurare un runtime, quindi presuppone almeno competenze base di sviluppo.
Quale offre un controllo più esplicito sull’automazione del browser?
MontFerret. Poiché scrivi direttamente query FQL sul DOM tramite Chrome DevTools Protocol, ottieni un controllo preciso, a livello di codice, su navigazione, interazioni e logica condizionale. L’approccio agentico di Thunderbit privilegia un’estrazione strutturata rapida su pagine compatibili, non un’automazione dettagliata e scriptata.
