För några veckor sedan slängde någon i vårt Slack ett länktips med frågan: ”vänta, är det här samma Ferret-grej?” Det var det inte. Det visade sig att det finns en Apple-visionmodell som heter Ferret, ett NOAA-verktyg för data som heter Ferret, och så MontFerret — ett ramverk för webbläsarautomation med öppen källkod som utvecklare använder för att skriva scraperskript i något som kallas FQL. Inget av dem hör ihop, och om du just nu letar efter ”Thunderbit vs MontFerret” har du förmodligen redan stött på samma förvirring.
Så låt oss reda ut det direkt: jag driver Thunderbit, och här pratar jag specifikt om vår produkt jämfört med MontFerret — det deklarativa projektet för webbscraping på montferret.dev. Inte Apples grej. Inte NOAA:s grej. Och ärligt talat blir jämförelsen ganska intressant när man väl kommit förbi namnkaoset, eftersom Thunderbit och MontFerret egentligen inte slåss om samma kund. De löser olika problem för olika människor, och det är faktiskt det som är kärnan här.
Snabbt svar
Om du vill ha den korta versionen innan vi går ner i detaljerna: Thunderbit är en hanterad, agentisk webbscraper byggd för att snabbt göra om vilken sida som helst till strukturerad data — via ett webbläsartillägg, en Web App, ett Open API, en MCP Server och en CLI. MontFerret är ett ramverk för webbläsarautomation med öppen källkod där du skriver frågor i FQL (Ferret Query Language) för att skrapa och interagera med sidor.
En liten förtydligande notis till innan vi går vidare, eftersom jag har sett folk lägga 20 minuter på detta: fokus här är enbart på MontFerret-projektet. Inte Apples Ferret-visionmodell, inte NOAA:s datavisualiseringsverktyg Ferret, inte något annat ”Ferret” du kanske snubblar över i en Googlesökning. Bara montferret.dev.
I korthet
| Thunderbit | MontFerret | |
|---|---|---|
| Primär användare | Icke-tekniska affärsanvändare (sälj, drift, GTM), plus utvecklare | Utvecklare/ingenjörer |
| Installation | Installera tillägget eller öppna Web App | Installera Go/Ferret-runtime, konfigurera Chrome-debuggport |
| Gränssnitt | Klicka One Click Extract, agenten sköter resten | Skriv FQL-frågor mot DOM/CDP |
| Frågespråk | Inget — förfining av fält med naturligt språk | FQL (inspirerat av ArangoDB AQL) |
| Webbläsarautomation | Hanterad på kompatibla, auktoriserade sidor | Självhanterad via Chrome DevTools Protocol |
| Extraheringslogik | Agentisk sidanalys | Explicita selektorer, loopar och filter som du själv skriver |
| Driftsättning | Webbläsartillägg / Web App / moln | Egenhostad, du äger infrastrukturen |
| Schemaläggning | Stöds på kvalificerade planer | Du bygger och hanterar det själv |
| Underhåll | Sköts av produkten | Ägs av ditt team |
| Licens | Betald SaaS (krediter/planbaserat) | Öppen källkod, gratis att köra |
| Total kostnad | Prenumerationskostnad | ”Gratis” programvara, men infrastruktur + ingenjörstid |
Vad är Thunderbit?
Jag har förklarat Thunderbit för många som aldrig skrapat en webbplats i hela sitt liv, och det brukar jag beskriva så här: du öppnar en sida du får åtkomst till, klickar på en knapp, och Thunderbit tar reda på vilken data som faktiskt är viktig på sidan.
Så här ser flödet ut i praktiken. Du klickar på One Click Extract. Vår agent upptäcker sidan, läser den, analyserar strukturen och förbereder de fält den tror är användbara — tänk produktnamn, priser, kontaktuppgifter, vad sidan nu än erbjuder. Sedan visas Run Now. Du kan klicka där för att starta direkt, eller så… gör du ingenting, och då startar den automatiskt av sig själv. Det är allt. Ett avsiktligt klick, ingen schemabyggnad, inga selektorer, ingen kod.
Det här är arbetsflödet i Thunderbit Chrome Extension, och det är det de flesta möter först. Men det är inte den enda vägen in. Om du vill finjustera extraheringen — till exempel be den fånga ett specifikt fält den missade, eller formatera om något — kan du göra det med vanliga instruktioner. Thunderbit hanterar också kompatibel paginering och berikning av undersidor automatiskt på stödda sidor, och låter dig exportera till exempelvis Excel, Google Sheets, Airtable eller Notion.
För utvecklare finns mer under huven: Thunderbit Web App för molnbaserad extrahering, ett Open API för programmatisk åtkomst, en MCP Server för att koppla in AI-agenter som Claude eller Cursor, och en CLI för terminalbaserade arbetsflöden eller kodande agenter. Så även om tillägget är no-code-ingången, är Thunderbit inte bara en webbläsarleksak — det är en komplett extraheringsplattform med flera sätt att komma in.
En ärlig brasklapp här, eftersom jag inte vill sälja in det för hårt: ”one click” gäller kompatibla sidor som du har rätt att komma åt. Det är inte en garanti mot alla anti-bot-system, alla inloggningsväggar eller alla konstiga specialfall en webbplats kan kasta på dig.
Vad är MontFerret?
MontFerret är något helt annat, och jag har faktiskt respekt för det de byggt. Det är ett deklarativt system för webbscraping med öppen källkod där du i stället för att klicka på knappar skriver frågor i FQL — Ferret Query Language — som projektet beskriver som inspirerat av ArangoDB:s AQL.
Enligt deras officiella dokumentation består systemet av flera kärnkomponenter: en FQL-parser, en kompilator, en runtime, ett standardbibliotek, ett register för användarfunktioner, HTML-drivrutiner i minnet, en Chrome DevTools Protocol-(CDP)-drivrutin och ett kommandoradsgränssnitt. Om det låter som mycket rörliga delar så är det också det — men det är lite poängen. MontFerret är byggt för utvecklare som vill ha detaljerad kontroll på kodnivå över hur en sida skrapas.
För allt som involverar JavaScript-renderat innehåll eller faktisk interaktion med webbläsaren behöver du köra Chrome eller Chromium med en öppen debug-port så att MontFerret kan prata med det via CDP. När det väl är uppsatt kan din FQL-fråga uttrycka loopar, filter, CSS-liknande selektorer, sidnavigering, klick- och skrivinteraktioner samt strukturerade returvärden — i princip ett frågespråk ovanpå logik för webbläsarautomation.
Avvägningen är verklig: MontFerret abstraherar bort mycket av det lågnivåmässiga i webbläsar- och nätverksdelen, men du måste fortfarande lära dig FQL, skriva och testa dina frågor och drifta din egen runtime. Det finns inget ”klick och den listar ut fälten”-ögonblick här. Du talar om exakt vad den ska göra, varje gång.
Huvudskillnad: hanterad agentisk produkt vs ramverk med frågespråk
Tid till första strukturerade resultat
Här blir gapet som tydligast. Med Thunderbit mäts tiden till första resultat i sekunder: klicka One Click Extract, låt agenten analysera sidan, och jobbet körs automatiskt; Run Now är valfritt. Med MontFerret skriver du först en fråga. Även ett enkelt FQL-skript kräver att du förstår selektorer, frågesyntaxen och hur CDP-drivrutinen beter sig på din målsida. Det är inget minus för MontFerret — det är bara en fundamentalt annorlunda startpunkt. Det ena är ”låt agenten lista ut det”, det andra är ”du talar om exakt vad som ska göras”.
Anpassad webbläsarautomation och kontroll
Vänder man på perspektivet vinner MontFerret på precision. Om du behöver en scraper som gör något väldigt specifikt — flerstegsformulär, villkorslogik baserad på sidans läge, egen retry-logik — ger FQL dig den kontrollnivån eftersom du själv skriver logiken. Thunderbits agentiska ansats är fantastisk för ”extrahera det som är användbart på den här sidan”, men den är inte tänkt som ett allmänt skriptspråk för webbläsaren. Om ditt användningsfall kräver skräddarsydd grenlogik över ett arbetsflöde med flera sidor, då är det MontFerret-land.
Ansvar för drift och underhåll
Här är delen många underskattar. Med Thunderbit, när en webbplats ändrar layout, anpassar sig den agentiska extraheringen eftersom den analyserar sidan på nytt varje gång i stället för att lita på hårdkodade selektorer — men återigen, det är inte ett löfte om att allt fungerar på varje redesign. Med MontFerret kan en ändring i sajtens DOM-struktur göra att dina FQL-selektorer går sönder, och någon i ditt team behöver upptäcka det, felsöka och fixa det. Det är ett löpande ingenjörsansvar som aldrig försvinner helt med en handskriven scraper, oavsett om den är öppen källkod eller inte.
Praktiska scenarier
Engångsextraktion för affärsanvändare
Säg att någon inom säljdrift behöver en lista över företag från en katalogsajt innan dagen är slut, och det inte finns någon ingenjör tillgänglig. Thunderbit är byggt exakt för det här: öppna sidan, klicka One Click Extract, exportera till Google Sheets, gå vidare med dagen. Ingen skriver FQL för en engångsuppgift.
Repeterbar webbläsarautomation skriven av utvecklare
Anta nu att ett ingenjörsteam bygger ett övervakningsflöde som varje natt ska kontrollera en konkurrents prissida, tolka specifik nästlad data och skicka den till ett internt system med egen transformationslogik. Det är här MontFerrets deklarativa ansats kan glänsa — du skriver FQL en gång, vet exakt vad det gör och äger hela kedjan.
Dynamiskt arbetsflöde på webbplats med flera steg
För sajter som kräver inloggning, navigering över flera sidor och villkorade åtgärder beroende på vad som visas på skärmen, ger MontFerrets CDP-drivrutin och explicita frågelogik dig kontrollen att skriva det precist. Thunderbit kan hantera kompatibel paginering och berikning av undersidor på stödda, auktoriserade sidor, men det är inte byggt som ett allmänt skriptverktyg för godtyckliga webbläsarflöden i flera steg.
Integration med API eller AI-agent
Om du bygger en AI-agent som behöver hämta strukturerad webdata som en del av ett större arbetsflöde, kan Thunderbits MCP Server kopplas direkt till verktyg som Claude Code eller Cursor. MontFerret kan också skriptas in i en egen stack, men då bygger du integrationslagret själv i stället för att använda en färdig koppling.
Tillförlitlighet, flexibilitet och underhåll
Jag ska vara rak med dig här, för det här är avsnittet där många jämförelseartiklar blir lata. Thunderbits agentiska sidförståelse är genuint användbar eftersom den minskar underhållsbehovet för hårdkodade selektorer — agenten läser sidan på nytt i stället för att förlita sig på en skör CSS-sökväg som kraschar så fort en sajt ändrar markup. Men ”agentisk” betyder inte ”magisk”. Det fungerar på kompatibla, auktoriserade sidor, och det finns absolut sajter och situationer där den inte extraherar exakt det du förväntar dig.
MontFerrets explicita fråga-/automationslogik är mer förutsägbar i en mening — du vet exakt vad frågan gör eftersom du skrev den — men den förutsägbarheten kommer till priset av skörhet när underliggande sida ändras. Om en sajt byter ut en div mot en section kan din selektor gå sönder tyst, och du märker det först när datan kommer tillbaka tom eller fel.
Inget av verktygen gör några universella påståenden om att slå anti-bot-skydd, och jag skulle vara skeptisk till alla verktyg som gör det. Båda måste användas inom ramen för vad du har rätt att komma åt.
Pris, licens och total kostnad
Det här är där etiketten ”gratis” på programvara med öppen källkod blir missvisande, och jag tycker det är värt att vara tydlig.
MontFerret är öppen källkod — kontrollera gärna den aktuella licensen i deras repository innan du binder dig, eftersom sådant tekniskt kan ändras — men i stora drag finns ingen prenumerationsavgift för att använda kärnramverket. Med det sagt täcker ”gratis” bara mjukvarulicensen. Du måste fortfarande tillhandahålla och drifta egen beräkningsmiljö, köra och underhålla Chrome/Chromium-instanser, hantera proxies om du skrapar i någon egentlig volym, sätta upp övervakning för när något går sönder och betala ingenjörer för att skriva och underhålla FQL-skripten.
Thunderbit körs på en betald planstruktur — kolla den aktuella sidan Thunderbit Pricing för exakta siffror, eftersom det ändras över tid — men den kostnaden inkluderar hanterad webbläsar-/molnexekvering, den agentiska extraheringslogiken, exportfunktioner och API-/MCP-/CLI-åtkomst. Du behöver inte oroa dig för en separat infrastrukturkostnad.
| Kostnadsfaktor | Thunderbit | MontFerret |
|---|---|---|
| Licenskostnad | Betald SaaS (krediter/planbaserat) | Gratis, öppen källkod |
| Infrastrukturkostnad | Ingår i planen | Du tillhandahåller/driftar servrar, Chrome, proxies |
| Ingenjörstid | Minimal — ingen kod krävs | Löpande — skriva, testa, felsöka FQL |
| Underhållsbelastning | Hanteras av produkten | Ägs av ditt team |
Den verkliga frågan är inte ”vilket är billigast” — det är ”var vill du att kostnaden ska synas”. Thunderbit visar den på en månadsfaktura. MontFerret visar den i ditt ingenjörsteams kalender.
Vem bör välja Thunderbit?
Om du är en icke-teknisk teammedlem som behöver data nu och inte har några ingenjörsresurser tillgängliga, är Thunderbit det självklara valet. Samma sak gäller alla som gör engångs- eller återkommande datamättningar för affären där ”noll setup” är viktigare än finmaskig kontroll. Och om du redan bygger AI-agentflöden och vill att scraping ska kopplas in via MCP eller CLI utan att skriva ett eget integrationslager, då är det helt klart Thunderbits område.
Vem bör välja MontFerret?
Om du är utvecklare och bygger en repeterbar scraping-pipeline som ska köras i CI/CD, eller om du behöver egenhostad infrastruktur av skäl som datalagring eller regelefterlevnad, då är MontFerrets deklarativa ansats och fulla infrastrukturkontroll vettiga. Det passar också bättre om ditt team har ingenjörskapacitet att underhålla FQL-skript långsiktigt och faktiskt vill ha den nivån av kontroll över logiken för webbläsarautomation.
Kan team använda båda?
Ärligt talat, ja, och jag tycker inte att det är ett undvikande svar. Jag har sett upplägg där ett tekniskt team kör specialiserade, repeterbara FQL-jobb för kärndatapipelines som kräver exakt, versionsstyrd logik, medan affärsanvändare i samma team använder Thunderbit för ad hoc-forskning, snabba exporter eller utforskande datainhämtning som inte motiverar att man skriver ett eget skript. De konkurrerar egentligen inte på samma nivå — de ligger på olika lager i samma bredare dataarbete. Jag ska inte låtsas att det finns någon officiell integration mellan dem, för det gör det inte, men arkitektoniskt är det en helt rimlig uppdelning.
Slutsats
Om jag ska koka ner det till en mening: välj utifrån vem som gör jobbet och hur mycket tid den personen har. Om du har en icke-teknisk person som behöver en datatabell inom tio minuter, vinner Thunderbit varje gång — det är ingen tävling. Om du har en ingenjör som vill ha en deklarativ, egenhostad, versionskontrollerbar scraping-pipeline och inte har något emot att äga underhållet långsiktigt, då är MontFerret ett legitimt bra alternativ med öppen källkod.
Det här är inte ett fall där ”ett verktyg slår det andra”, och jag skulle göra dig en otjänst om jag låtsades något annat. Det handlar om ”vilket problem försöker du faktiskt lösa”.
FAQ
Vilket Ferret-projekt handlar det om? Det relevanta projektet är MontFerret, ramverket med öppen källkod för deklarativ webbscraping på montferret.dev. Det har inget samband med Apples Ferret-visionmodell, NOAA:s verktyg Ferret för datavisualisering eller något annat projekt som råkar dela namnet ”Ferret”.
Är MontFerret open source? Ja, MontFerret är ett projekt med öppen källkod. Det finns ingen licensavgift för kärnramverket, men du bör kontrollera det aktuella repositoryt för exakta licensvillkor innan du använder det i ett kommersiellt sammanhang, eftersom infrastruktur- och ingenjörskostnader ändå tillkommer även om mjukvaran i sig är gratis.
Stöder Thunderbit API- och MCP-integrationer? Ja. Thunderbit erbjuder ett Open API för programmatisk åtkomst och en MCP Server som kopplar Thunderbits extraheringsverktyg till AI-agentplattformar som Claude Code och Cursor, tillsammans med en CLI för terminalbaserade arbetsflöden.
Vilket är enklast för icke-utvecklare? Thunderbit, utan tvekan. Webbläsartillägget är byggt just för att icke-tekniska användare ska kunna extrahera strukturerad data genom att klicka på One Click Extract — inget frågespråk, inga selektorer, ingen kod. MontFerret kräver att du lär dig FQL och sätter upp en runtime, vilket förutsätter åtminstone grundläggande utvecklingskunskaper.
Vilket ger mest explicit kontroll över webbläsarautomation? MontFerret. Eftersom du skriver FQL-frågor direkt mot DOM via Chrome DevTools Protocol får du exakt kontroll på kodnivå över navigering, interaktioner och villkorslogik. Thunderbits agentiska ansats är optimerad för snabb strukturerad extrahering på kompatibla sidor snarare än detaljerad, skriptad automation.
