Een paar weken geleden dropte iemand in onze team-Slack een link met de vraag: "wacht, is dit dezelfde Ferret-ding?" Dat was het niet. Blijkt dat er een Apple vision model is dat Ferret heet, een NOAA-datatool genaamd Ferret, en dan heb je nog MontFerret — een open-source browserautomatiseringsframework waarmee ontwikkelaars scraping-scripts schrijven in iets dat FQL heet. Die hebben allemaal niets met elkaar te maken, en als je nu zoekt op "Thunderbit vs MontFerret", ben je waarschijnlijk al tegen precies diezelfde verwarring aangelopen.
Laten we dat eerst even rechtzetten: ik run Thunderbit, en ik heb het hier specifiek over ons product versus MontFerret — het declaratieve webscraping-project op montferret.dev. Niet dat van Apple. Niet dat van NOAA. En eerlijk gezegd wordt de vergelijking juist interessant zodra je door die namenbrij heen prikt, want Thunderbit en MontFerret vissen niet echt in dezelfde vijver. Ze lossen verschillende problemen op voor verschillende mensen, en dat is eigenlijk het echte verhaal hier.
Kort antwoord
Als je meteen de samenvatting wilt voordat we de diepte ingaan: Thunderbit is een beheerde, agentische webscraper die elke pagina snel omzet in gestructureerde data — via een browserextensie, een Web App, een Open API, een MCP Server en een CLI. MontFerret is een open-source browserautomatiseringsframework waarin je queries schrijft in FQL (Ferret Query Language) om pagina’s te scrapen en ermee te interacteren.
Nog één verduidelijking voordat we verdergaan, want ik heb mensen hier al makkelijk 20 minuten op zien verliezen: het gaat hier echt alleen om het MontFerret-project. Niet om het Ferret vision model van Apple, niet om NOAA’s Ferret-datatool, en niet om een andere "Ferret" die je in Google tegenkomt. Gewoon montferret.dev.
In één oogopslag
| Thunderbit | MontFerret | |
|---|---|---|
| Primaire gebruiker | Niet-technische zakelijke gebruikers (sales, operations, GTM), plus developers | Developers/engineers |
| Instellen | Extensie installeren of Web App openen | Go/Ferret-runtime installeren, Chrome debug-poort configureren |
| Interface | Klik op One Click Extract, de agent doet de rest | FQL-queries schrijven tegen DOM/CDP |
| Querytaal | Geen — verfijning van velden in natuurlijke taal | FQL (geïnspireerd door ArangoDB AQL) |
| Browserautomatisering | Beheerd op compatibele, geautoriseerde pagina’s | Zelf beheerd via Chrome DevTools Protocol |
| Extractielogica | Agentische pagina-analyse | Expliciete selectors, loops en filters die jij schrijft |
| Uitrol | Browserextensie / Web App / cloud | Zelf hosten, infrastructuur is van jou |
| Plannen | Ondersteund op geschikte abonnementen | Je bouwt en beheert het zelf |
| Onderhoud | Door het product afgehandeld | Door jouw team gedragen |
| Licentie | Betaalde SaaS (credits-/abonnementsmodel) | Open source, gratis te draaien |
| Totale kosten | Abonnementskosten | "Gratis" software, maar infrastructuur + engineeringtijd |
Wat is Thunderbit?
Ik heb Thunderbit al vaak uitgelegd aan mensen die nog nooit een website hebben gescraped, en de manier waarop ik het meestal beschrijf is dit: je opent een pagina waar je toegang toe hebt, klikt op één knop, en Thunderbit bepaalt welke data op die pagina belangrijk is.
Zo werkt het in de praktijk. Je klikt op One Click Extract. Onze agent herkent de pagina, leest de inhoud, analyseert de structuur en stelt velden voor die nuttig lijken — denk aan productnamen, prijzen, contactgegevens, of wat die pagina ook maar aanbiedt. Daarna verschijnt Run Now. Je kunt daarop klikken om direct te starten, of als je gewoon niets doet, start het automatisch zelf. Dat is alles. Eén bewuste klik, geen schema bouwen, geen selectors schrijven, geen code.
Dat is de workflow van de Thunderbit Chrome Extension, en die zien de meeste mensen als eerste. Maar het is niet het enige toegangspunt. Als je de extractie wilt verfijnen — bijvoorbeeld alsnog een gemist veld laten toevoegen of iets anders laten formatteren — dan kan dat met gewone instructies. Thunderbit regelt op ondersteunde pagina’s ook compatibele paginering en verrijking van subpagina’s automatisch, en laat je exporteren naar bijvoorbeeld Excel, Google Sheets, Airtable of Notion.
Voor developers zit er nog meer onder de motorkap: de Thunderbit Web App voor cloudgebaseerde extractie, een Open API voor programmatische toegang, een MCP Server om te koppelen aan AI-agents zoals Claude of Cursor, en een CLI voor terminal- of coding-agent-workflows. Dus hoewel de extensie het no-code startpunt is, is Thunderbit niet zomaar een browsertrucje — het is een volwaardig extractieplatform met meerdere instappunten.
Eén eerlijke kanttekening hier, omdat ik dit niet mooier wil maken dan het is: "één klik" geldt voor compatibele pagina’s waar je toegang toe hebt. Het is geen garantie tegen elk anti-botsysteem, elke login-muur of elk vreemd randgeval dat een website op je afvuurt.
Wat is MontFerret?
MontFerret is een heel ander beest, en ik heb oprecht respect voor wat ze hebben gebouwd. Het is een open-source declaratief webscrapingsysteem waarbij je in plaats van op knoppen te klikken queries schrijft in FQL — Ferret Query Language — dat volgens het project geïnspireerd is op ArangoDB’s AQL.
Volgens hun officiële documentatie bestaat het systeem uit een aantal kernonderdelen: een FQL-parser, een compiler, een runtime, een standaardbibliotheek, een registry voor user functions, in-memory HTML-drivers, een Chrome DevTools Protocol (CDP)-driver en een command-line interface. Als dat veel losse onderdelen klinkt, dan is dat ook zo — maar dat is juist een beetje het punt. MontFerret is gebouwd voor developers die gedetailleerde, code-level controle willen over hoe een pagina wordt gescraped.
Voor alles wat te maken heeft met JavaScript-gerenderde content of echte browserinteractie, moet Chrome of Chromium draaien met een open debug-poort, zodat MontFerret via CDP met de browser kan praten. Zodra dat staat, kan je FQL-query loops, filters, CSS-achtige selectors, paginanavigatie, click-/type-interacties en gestructureerde return values uitdrukken — eigenlijk een querytaal die browserautomatiseringslogica verpakt.
De afweging is duidelijk: MontFerret abstraheert veel van de lage-niveau browser- en netwerk-onderliggende techniek weg, maar je moet nog steeds FQL leren, je queries schrijven en testen, en je eigen runtime beheren. Er is hier geen "klik en het zoekt de velden zelf uit"-moment. Jij vertelt het precies wat het moet doen, elke keer opnieuw.
Kernverschil: beheerd agentisch product versus querytaal-framework
Tijd tot het eerste gestructureerde resultaat
Hier wordt het verschil het duidelijkst. Met Thunderbit meet je de tijd tot het eerste resultaat in seconden: klik op One Click Extract, laat de agent de pagina analyseren en de taak loopt automatisch; Run Now is optioneel. Met MontFerret schrijf je eerst een query. Zelfs een eenvoudig FQL-script vereist dat je selectors, de querysyntax en het gedrag van de CDP-driver op jouw doelpagina begrijpt. Dat is geen kritiek op MontFerret — het is gewoon een fundamenteel ander startpunt. Het ene is: "laat de agent het uitzoeken", het andere is: "jij zegt precies wat hij moet doen."
Aangepaste browserautomatisering en controle
Maar draai je het om, dan wint MontFerret op precisie. Als je een scraper nodig hebt die iets heel specifieks doet — meerstaps formuliervulling, conditionele logica op basis van paginastatus, aangepaste retry-gedrag — dan geeft FQL je die controle, omdat jij de logica zelf schrijft. Thunderbit’s agentische aanpak is fantastisch voor "haal eruit wat bruikbaar is op deze pagina", maar is niet bedoeld als algemene browser-scripttaal. Als jouw use case maatwerk branching logic over een multi-page workflow nodig heeft, dan zit je duidelijk in MontFerret-territorium.
Uitrol en eigenaarschap van onderhoud
Dit is het deel dat mensen vaak onderschatten. Bij Thunderbit, wanneer een site zijn lay-out wijzigt, past de agentische extractie zich aan omdat hij de pagina bij elke run opnieuw analyseert in plaats van te vertrouwen op hardcoded selectors — al blijft gelden: dat is geen belofte dat het bij élke redesign probleemloos werkt. Bij MontFerret kan een wijziging in de DOM-structuur je FQL-query-selectors breken, en iemand in je team moet dat opmerken, debuggen en repareren. Dat is doorlopend engineering-eigenaarschap dat nooit echt verdwijnt bij een handgeschreven scraper, open source of niet.
Praktijksituaties
Eenmalige extractie voor zakelijke gebruikers
Stel dat iemand van sales operations aan het einde van de dag een lijst met bedrijven van een bedrijvengids-site nodig heeft, en er is geen engineer beschikbaar. Thunderbit is precies hiervoor gebouwd: pagina openen, op One Click Extract klikken, exporteren naar Google Sheets, klaar. Niemand gaat voor een eenmalige taak FQL schrijven.
Herhaalbare browserautomatisering door developers geschreven
Stel nu dat een engineeringteam een monitoring-pipeline bouwt die elke nacht een prijspagina van een concurrent moet controleren, specifieke geneste data moet parsen en die met aangepaste transformatielogica in een intern systeem moet zetten. Dan kan MontFerret’s declaratieve queryaanpak juist schitteren — je schrijft de FQL één keer, weet precies wat die doet en beheert de hele pipeline zelf.
Dynamische workflow op een site met meerdere stappen
Voor sites met loginflows, navigatie over meerdere pagina’s en conditionele acties op basis van wat er op het scherm staat, geven MontFerret’s CDP-driver en expliciete querylogica je de controle om dat heel precies te scripten. Thunderbit kan op ondersteunde, geautoriseerde pagina’s compatibele paginering en verrijking van subpagina’s aan, maar is niet bedoeld als algemeen scripthulpmiddel voor willekeurige browserworkflows met meerdere stappen.
API- of AI-agent-integratie
Als je een AI-agent bouwt die gestructureerde webdata als onderdeel van een grotere workflow nodig heeft, koppelt Thunderbit’s MCP Server direct aan tools zoals Claude Code of Cursor. MontFerret kun je ook in een custom stack inbouwen, maar dan bouw je die integratielaag zelf in plaats van een kant-en-klare connector te gebruiken.
Betrouwbaarheid, flexibiliteit en onderhoud
Ik ga hier eerlijk tegen je zijn, want dit is precies het soort sectie waar veel vergelijkende artikelen lui worden. Thunderbit’s agentische paginabegrip is echt nuttig omdat het de onderhoudslast van hardcoded selectors vermindert — de agent leest de pagina-opbouw opnieuw in plaats van te vertrouwen op een broze CSS-path die breekt zodra een site zijn markup herontwerpt. Maar "agentisch" betekent niet "magisch". Het werkt op compatibele, geautoriseerde pagina’s, en er zijn absoluut sites en situaties waarin het niet precies haalt wat je verwacht.
MontFerret’s expliciete query- en automatiseringslogica is in één opzicht voorspelbaarder — je weet precies wat de query doet, omdat jij hem hebt geschreven — maar die voorspelbaarheid komt met fragiliteit zodra de onderliggende pagina verandert. Als een site een div vervangt door een section, kan je selector stilletjes stuk gaan, en kom je er pas achter als je data leeg of fout terugkomt.
Geen van beide tools claimt universeel dat ze anti-botsystemen verslaan, en van elke tool die dat wel doet zou ik sceptisch worden. Beide moeten binnen de grenzen van je toegestane toegang gebruikt worden.
Prijs, licentie en totale kosten
Dit is waar het label "gratis" bij open-source software wat misleidend wordt, en ik vind het belangrijk om daar direct over te zijn.
MontFerret is open source — controleer de actuele licentie op hun repository voordat je ermee aan de slag gaat, want dat kan technisch gezien altijd veranderen — maar in grote lijnen betaal je geen abonnementsfee om het kernframework te gebruiken. Dat gezegd hebbende: "gratis" slaat alleen op de softwarelicentie. Je moet nog steeds je eigen compute provisioneren en hosten, Chrome/Chromium-instances draaien en onderhouden, proxies beheren als je op serieuze schaal scrapt, monitoring opzetten voor als iets breekt, en engineers betalen om de FQL-scripts te schrijven en te onderhouden.
Thunderbit werkt met een betaald plan — kijk op de huidige Thunderbit Pricing-pagina voor de exacte bedragen, want die veranderen in de loop van de tijd — maar die kosten bundelen de beheerde browser-/cloud-executie, de agentische extractielogica, exports en API/MCP/CLI-toegang. Er is geen aparte infrastructuurrekening waar je rekening mee hoeft te houden.
| Kostenfactor | Thunderbit | MontFerret |
|---|---|---|
| Licentiekosten | Betaalde SaaS (credits-/abonnementsmodel) | Gratis, open source |
| Infrastructuurkosten | Inbegrepen in het plan | Servers, Chrome en proxies zelf regelen/hosten |
| Engineeringtijd | Minimaal — geen code nodig | Doorlopend — FQL schrijven, testen en debuggen |
| Onderhoudslast | Door het product afgehandeld | Door jouw team gedragen |
De echte vraag is niet "welke is goedkoper" — het is: "waar wil je dat de kosten landen." Thunderbit laat ze zien op een maandelijkse factuur. MontFerret op de agenda van je engineeringteam.
Wie zou Thunderbit moeten kiezen?
Als je in een niet-technisch team werkt en direct data nodig hebt zonder dat er een engineer paraat staat, dan is Thunderbit de logische keuze. Hetzelfde geldt voor iedereen die eenmalige of terugkerende business-data pulls doet waarbij "geen setup" belangrijker is dan fijne controle. En als je al AI-agent-workflows bouwt en scraping wilt koppelen via MCP of CLI zonder een custom integratielaag te schrijven, dan zit je helemaal in Thunderbit’s straatje.
Wie zou MontFerret moeten kiezen?
Als je een developer bent die een herhaalbare scraping-pipeline bouwt die in CI/CD moet draaien, of je hebt self-hosted infrastructuur nodig vanwege data-residency- of compliance-redenen, dan maakt MontFerret’s declaratieve aanpak en volledige infrastructuurcontrole veel sense. Het is ook beter geschikt als je team voldoende engineering-capaciteit heeft om FQL-scripts op de lange termijn te onderhouden en echt die mate van controle over browserautomatisering wil.
Kunnen teams beide gebruiken?
Eerlijk gezegd: ja, en ik vind dat geen ontwijkend antwoord. Ik heb opstellingen gezien waarin een technisch team gespecialiseerde, herhaalbare FQL-jobs draait voor kern-datapijplijnen die exacte, versiebeheerbare logica nodig hebben, terwijl zakelijke gebruikers in hetzelfde team Thunderbit inzetten voor ad-hoc research, snelle exports of verkennende datapunten die het niet waard zijn om een custom script voor te schrijven. Het zijn niet echt concurrerende tools — ze zitten op verschillende lagen van dezelfde bredere data-operatie. Ik ga niet doen alsof er een officiële integratie tussen de twee is, want die is er niet, maar architectonisch is dit een volkomen logische verdeling.
Conclusie
Als ik dit in één zin moest samenvatten: kies op basis van wie het werk doet en hoeveel tijd diegene heeft. Heb je een niet-technisch persoon die binnen tien minuten een datatabel nodig heeft, dan wint Thunderbit elke keer — daar is simpelweg geen wedstrijd. Heb je een engineer die een declaratieve, self-hosted, versiebeheerbare scraping-pipeline wil en het onderhoud op de lange termijn prima zelf wil dragen, dan is MontFerret een serieuze open-source optie.
Dit is geen geval van "het ene hulpmiddel verslaat het andere", en ik zou je tekortdoen als ik deed alsof dat wel zo was. Het is eerder: "welk probleem los je nu eigenlijk op?"
FAQ
Over welk Ferret-project gaat het hier? Het relevante project is MontFerret, het open-source declaratieve webscrapingframework op montferret.dev. Het heeft niets te maken met Apple’s Ferret vision model, NOAA’s Ferret-datatool of welk ander project dan ook dat de naam "Ferret" gebruikt.
Is MontFerret open source? Ja, MontFerret is een open-source project. Voor het kernframework betaal je geen licentiekosten, al moet je wel de actuele repository checken voor de precieze licentievoorwaarden voordat je het commercieel inzet, omdat infrastructuur- en engineeringkosten alsnog blijven bestaan, ook al is de software zelf gratis.
Ondersteunt Thunderbit API- en MCP-integraties? Ja. Thunderbit biedt een Open API voor programmatische toegang en een MCP Server die Thunderbit’s extractietools koppelt aan AI-agent-hosts zoals Claude Code en Cursor, naast een CLI voor terminalgebaseerde workflows.
Welke is makkelijker voor niet-developers? Thunderbit, zonder twijfel. De browserextensie is speciaal gebouwd zodat niet-technische gebruikers gestructureerde data kunnen extraheren door op One Click Extract te klikken — geen querytaal, geen selectors, geen code. MontFerret vereist dat je FQL leert en een runtime opzet, dus je hebt minstens basis development skills nodig.
Welke geeft meer expliciete controle over browserautomatisering? MontFerret. Omdat je FQL-queries rechtstreeks tegen de DOM schrijft via het Chrome DevTools Protocol, krijg je precieze, code-level controle over navigatie, interacties en conditionele logica. Thunderbit’s agentische aanpak is geoptimaliseerd voor snelle gestructureerde extractie op compatibele pagina’s, niet voor fijnmazige scripted automatisering.
