Birkaç hafta önce ekip Slack’imizde biri bir link atıp “bir dakika, bu da aynı Ferret şeyi mi?” diye sordu. Meğer değilmiş. Apple’ın Ferret adlı bir vision modeli var, NOAA’nın Ferret adlı bir veri aracı var, bir de MontFerret var — geliştiricilerin FQL denen bir dilde scraping script’leri yazmak için kullandığı açık kaynak bir tarayıcı otomasyon çerçevesi. Bunların hiçbiri birbirleriyle ilgili değil. Eğer şu anda “Thunderbit vs MontFerret” araştırması yapıyorsanız, muhtemelen siz de aynı isim karmaşasına takılmışsınızdır.
Önce bunu netleştirelim: Ben Thunderbit’ten bahsediyorum ve özellikle ürünümüzü MontFerret ile karşılaştırıyorum — montferret.dev’deki deklaratif web scraping projesiyle. Apple’ın ürünü değil. NOAA’nın aracı değil. Ve dürüst olayım, isim karmaşasını bir kenara bıraktığınızda karşılaştırma oldukça ilginç hale geliyor; çünkü Thunderbit ile MontFerret aslında aynı müşteriye savaş açmıyor. Farklı ihtiyaçlara, farklı kullanıcılar için çözüm üretiyorlar. Bence asıl hikâye de bu.
Kısa Cevap
Detaylara girmeden önce özet isterseniz: Thunderbit, herhangi bir sayfayı hızla yapılandırılmış veriye dönüştürmek için tasarlanmış, yönetilen ve agentic bir web scraper’dır — hem tarayıcı uzantısı, hem Web App, hem Open API, hem MCP Server, hem de CLI üzerinden çalışır. MontFerret ise sayfaları scrape etmek ve etkileşim kurmak için FQL (Ferret Query Language) ile sorgular yazdığınız açık kaynak bir tarayıcı otomasyon çerçevesidir.
Bir not daha düşeyim, çünkü bunun üstüne 20 dakika harcayan çok kişi gördüm: burada yalnızca MontFerret projesinden bahsediyoruz. Apple Ferret vision modelinden değil, NOAA’nın Ferret veri görselleştirme aracından değil, Google’da karşınıza çıkabilecek başka hiçbir “Ferret”ten değil. Sadece montferret.dev.
Hızlı Bakış
| Thunderbit | MontFerret | |
|---|---|---|
| Birincil kullanıcı | Teknik olmayan iş kullanıcıları (satış, operasyon, GTM) ve geliştiriciler | Geliştiriciler/mühendisler |
| Kurulum | Uzantıyı yükle veya Web App’i aç | Go/Ferret runtime kur, Chrome debug portunu ayarla |
| Arayüz | One Click Extract tıkla, gerisini ajan halleder | DOM/CDP üzerinde FQL sorguları yaz |
| Sorgu dili | Yok — doğal dille alan iyileştirme | FQL (ArangoDB AQL’den esinlenmiş) |
| Tarayıcı otomasyonu | Uyumlu ve yetkili erişim sağlanan sayfalarda yönetimli | Chrome DevTools Protocol üzerinden self-managed |
| Veri çıkarma mantığı | Agentic sayfa analizi | Senin yazdığın açık seçiciler, döngüler, filtreler |
| Dağıtım | Tarayıcı uzantısı / Web App / cloud | Self-hosted, altyapı sizde |
| Zamanlama | Uygun planlarda desteklenir | Siz kurar ve yönetirsiniz |
| Bakım | Ürün tarafından yönetilir | Takımınızın sorumluluğunda |
| Lisans | Ücretli SaaS (kredi/plan bazlı) | Açık kaynak, çalıştırması ücretsiz |
| Toplam maliyet | Abonelik maliyeti | “Ücretsiz” yazılım, ama altyapı + mühendislik zamanı gerekir |
Thunderbit Nedir?
Hayatında hiç web scraping yapmamış insanlara Thunderbit’i çok anlattım; genelde şöyle çerçeveliyorum: Erişmeye yetkili olduğunuz bir sayfayı açıyorsunuz, tek bir butona tıklıyorsunuz ve Thunderbit o sayfadaki hangi verinin önemli olduğunu kendisi çözüyor.
Gerçek akış şu şekilde: One Click Extract’e tıklıyorsunuz. Ajanımız sayfayı algılıyor, okuyor, yapısını analiz ediyor ve kendisine faydalı gelen alanları hazırlıyor — ürün adları, fiyatlar, iletişim bilgileri, sayfa ne sunuyorsa artık. Sonra size Run Now gösteriyor. Hemen başlatmak için buna tıklayabilirsiniz; ya da hiçbir şey yapmazsanız, kendi kendine otomatik başlar. Hepsi bu. Tek bir bilinçli tıklama; şema oluşturma yok, seçici yazma yok, kod yok.
Bu, Thunderbit Chrome Extension akışıdır ve çoğu insan Thunderbit ile ilk kez böyle tanışır. Ama tek yüzü bu değil. Çıkarımı özelleştirmek isterseniz — örneğin gözden kaçan belirli bir alanı da eklemesini ya da bir şeyi yeniden biçimlendirmesini söylemek gibi — bunu düz talimatlarla yapabilirsiniz. Thunderbit ayrıca desteklenen sayfalarda uyumlu pagination ve subpage enrichment işlemlerini otomatik olarak yönetir; sonuçları Excel, Google Sheets, Airtable veya Notion’a aktarmanıza da izin verir.
Geliştiriciler için kaputun altında daha fazlası var: cloud tabanlı çıkarım için Thunderbit Web App, programatik erişim için bir Open API, Claude veya Cursor gibi AI ajanlarına bağlanmak için bir MCP Server ve terminal tabanlı ya da coding-agent iş akışları için bir CLI. Yani uzantı no-code giriş noktası olsa da Thunderbit sadece bir tarayıcı oyuncağı değil — birden fazla giriş yolu olan tam bir extraction platformu.
Burada dürüst bir not düşeyim: “tek tık” ifadesi, erişmeye yetkili olduğunuz uyumlu sayfalar için geçerlidir. Bu, her anti-bot sistemini, her giriş duvarını ya da sitelerin çıkarabileceği her tuhaf kenar durumu için sihirli bir çözüm olduğu anlamına gelmez.
MontFerret Nedir?
MontFerret bambaşka bir yapıdır ve açıkçası ortaya koydukları işi saygıyla karşılıyorum. Bu, açık kaynak bir deklaratif web scraping sistemidir; burada düğmelere tıklamak yerine FQL — Ferret Query Language — ile sorgular yazarsınız. Proje bunu ArangoDB’nin AQL’inden esinlenmiş olarak tanımlar.
Resmî dokümanlarına göre sistem birkaç temel parçadan oluşur: bir FQL parser’ı, compiler, runtime, standard library, user-function registry, in-memory HTML driver’lar, Chrome DevTools Protocol (CDP) driver’ı ve bir komut satırı arayüzü. Kulağa çok parçalı geliyorsa öyle; ama amaç da bu zaten. MontFerret, bir sayfanın nasıl scrape edileceği üzerinde ayrıntılı, kod seviyesinde kontrol isteyen geliştiriciler için tasarlanmış.
JavaScript ile render edilen içerik veya gerçek tarayıcı etkileşimi gereken her şey için, Chrome ya da Chromium’un debug port açık şekilde çalışıyor olması gerekiyor; böylece MontFerret CDP üzerinden onunla konuşabiliyor. Bu kurulumdan sonra FQL sorgunuz döngüleri, filtreleri, CSS benzeri seçicileri, sayfa gezinmeyi, tıkla/yaz etkileşimlerini ve yapılandırılmış dönüş değerlerini ifade edebiliyor — yani temelde tarayıcı otomasyon mantığını saran bir sorgu dili.
Buradaki taviz açık: MontFerret, düşük seviyeli tarayıcı/ağ işlerinin çoğunu soyutluyor; ama yine de FQL öğrenmeniz, sorgularınızı yazıp test etmeniz ve kendi runtime’ınızı işletmeniz gerekiyor. Burada “tıkla, alanları kendi bulsun” anı yok. Ne yapacağını her seferinde siz açıkça söylüyorsunuz.
Temel Fark: Yönetilen Agentic Ürün vs Sorgu Dili Çerçevesi
Yapılandırılmış ilk sonuca ulaşma süresi
Aradaki farkın en net göründüğü yer burası. Thunderbit’te ilk sonuca ulaşma süresi saniyelerle ölçülür: One Click Extract’e tıklarsınız, ajan sayfayı analiz eder ve iş otomatik olarak çalışır; Run Now opsiyoneldir. MontFerret’te ise önce bir sorgu yazmanız gerekir. Basit bir FQL script’i bile seçicileri, sorgu söz dizimini ve CDP driver’ının hedef sayfanızda nasıl davrandığını anlamayı gerektirir. Bu MontFerret’e bir eleştiri değil — sadece tamamen farklı bir başlangıç noktası. Biri “ajan halletsin” der, diğeri “ne yapacağını sen söyle” yaklaşımıdır.
Özelleştirilmiş tarayıcı otomasyonu ve kontrol
Ama işi tersinden bakarsanız, MontFerret hassasiyet konusunda öne çıkar. Çok spesifik bir şey yapan bir scraper’a ihtiyacınız varsa — çok adımlı form doldurma, sayfa durumuna göre koşullu mantık, özel yeniden deneme davranışı gibi — FQL size bu kontrol seviyesini verir, çünkü mantığı siz yazarsınız. Thunderbit’in agentic yaklaşımı “bu sayfadaki faydalı veriyi çıkar” işi için harikadır; fakat genel amaçlı bir tarayıcı script dili olarak tasarlanmamıştır. Kullanım senaryonuz çok sayfalı bir akış boyunca özel dallanma mantığı gerektiriyorsa, bu doğrudan MontFerret alanıdır.
Dağıtım ve bakım sorumluluğu
İnsanların hafife aldığı kısım burası. Thunderbit’te bir sitenin düzeni değiştiğinde agentic çıkarım uyum sağlar; çünkü sabitlenmiş seçicilere dayanmak yerine her seferinde sayfayı yeniden analiz eder — tabii ki bu, her yeniden tasarımda kusursuz çalışacağı garantisi değildir. MontFerret’te ise sitenin DOM yapısı değişirse FQL sorgunuzdaki seçiciler bozulabilir ve takımınızdan birinin bunu fark etmesi, hata ayıklaması ve düzeltmesi gerekir. El yazımı bir scraper’da, açık kaynak olsun olmasın, bu sürekli mühendislik sorumluluğu tamamen ortadan kalkmaz.
Uygulamalı Senaryolar
Tek seferlik iş kullanıcısı çıkarımı
Diyelim ki bir sales ops çalışanının gün sonuna kadar bir dizin sitesinden şirket listesini alması gerekiyor ve ortada destek verecek bir mühendis yok. Thunderbit tam bunun için tasarlandı: sayfayı aç, One Click Extract’e tıkla, Google Sheets’e aktar, gününe devam et. Kimse tek seferlik bir iş için FQL yazmıyor.
Geliştirici tarafından yazılan, tekrar kullanılabilir tarayıcı otomasyonu
Şimdi diyelim bir mühendislik ekibi, rakip bir fiyatlandırma sayfasını her gece kontrol etmesi, belirli gömülü verileri ayrıştırması ve bunu özel dönüştürme mantığıyla dahili bir sisteme aktarması gereken bir izleme hattı kuruyor. İşte burada MontFerret’in deklaratif sorgu yaklaşımı parlayabilir — FQL’i bir kez yazarsınız, ne yaptığını tam bilirsiniz ve tüm hattın sahibi olursunuz.
Dinamik çok adımlı site akışı
Giriş akışları, çok sayfalı gezinme ve ekrandaki içeriğe göre koşullu aksiyonlar gerektiren sitelerde MontFerret’in CDP driver’ı ve açık sorgu mantığı, bunu tam istediğiniz gibi script etmenizi sağlar. Thunderbit, desteklenen ve yetkili erişim sağlanan sayfalarda uyumlu pagination ve subpage enrichment işlemlerini yönetebilir; ancak keyfi çok adımlı tarayıcı iş akışları için genel amaçlı bir script aracı olarak tasarlanmamıştır.
API veya AI-agent entegrasyonu
Daha büyük bir iş akışının parçası olarak yapılandırılmış web verisi çekmesi gereken bir AI ajanı oluşturuyorsanız, Thunderbit’in MCP Server çözümü Claude Code veya Cursor gibi araçlara doğrudan bağlanır. MontFerret de özel bir stack içine script edilebilir; ancak bu entegrasyon katmanını hazır bağlayıcı kullanmak yerine siz inşa edersiniz.
Güvenilirlik, Esneklik ve Bakım
Burada size açık konuşacağım, çünkü karşılaştırma yazılarının çoğu bu bölümde tembelleşiyor. Thunderbit’in agentic sayfa anlayışı gerçekten işe yarar; çünkü hardcoded seçicilerin bakım yükünü azaltır — ajan, site markup’ını yeniden tasarladığı anda kırılabilen kırılgan bir CSS yoluna güvenmek yerine sayfa yapısını yeniden okur. Ama “agentic” demek “sihir” demek değildir. Bu yalnızca uyumlu ve yetkili erişim sağlanan sayfalarda çalışır; ayrıca kesinlikle beklediğiniz veriyi çıkaramayabileceği site ve durumlar vardır.
MontFerret’in açık sorgu/otomasyon mantığı bir anlamda daha öngörülebilirdir — sorguyu siz yazdığınız için tam olarak ne yaptığını bilirsiniz — fakat bu öngörülebilirlik, temel sayfa değiştiğinde kırılganlık pahasına gelir. Bir site bir div’i section ile değiştirirse, seçiciniz sessizce bozulabilir ve siz veri boş gelene ya da yanlış olana kadar bunu fark etmeyebilirsiniz.
İki araç da anti-bot korumalarını evrensel olarak aşma iddiasında bulunmaz; böyle bir iddia duyan herhangi bir araca da şüpheyle yaklaşırım. Her ikisi de yalnızca erişmeye yetkili olduğunuz sınırlar içinde kullanılmalıdır.
Fiyatlandırma, Lisans ve Toplam Maliyet
Açık kaynak yazılımdaki “ücretsiz” etiketi işte burada yanıltıcı hale geliyor; bence bunu net söylemek önemli.
MontFerret açık kaynak — bu yüzden ticari kullanım düşünüyorsanız, taahhüt vermeden önce repodaki güncel lisansı mutlaka kontrol edin; bu tür şeyler teknik olarak değişebilir. Ama genel olarak çekirdek çerçeveyi kullanmak için abonelik ücreti yok. Yine de “ücretsiz” sadece yazılım lisansını kapsar. Kendi compute kaynaklarınızı kurup barındırmanız, Chrome/Chromium instance’larını çalıştırıp bakımını yapmanız, gerçek hacimlerde scrape yapıyorsanız proxy yönetmeniz, işler bozulduğunda izleme sistemi kurmanız ve FQL script’lerini yazıp sürdürmek için mühendislik zamanı ödemeniz gerekir.
Thunderbit ise ücretli plan yapısıyla çalışır — rakamlar zamanla değişebildiği için güncel Thunderbit Pricing sayfasına bakın. Bu maliyet; yönetilen tarayıcı/cloud yürütmeyi, agentic çıkarım mantığını, dışa aktarımları ve API/MCP/CLI erişimini birlikte içerir. Ayrı bir altyapı faturasıyla uğraşmanız gerekmez.
| Maliyet Faktörü | Thunderbit | MontFerret |
|---|---|---|
| Lisans maliyeti | Ücretli SaaS (kredi/plan bazlı) | Ücretsiz, açık kaynak |
| Altyapı maliyeti | Plana dahil | Sunucu, Chrome, proxy’leri siz kurarsınız |
| Mühendislik zamanı | Minimum — kod gerekmez | Sürekli — FQL yazma, test etme, hata ayıklama |
| Bakım yükü | Ürün tarafından yönetilir | Takımınızın sorumluluğunda |
Asıl soru “hangisi daha ucuz” değil — “maliyetin nerede görünmesini istiyorsunuz” sorusu. Thunderbit bunu aylık faturada gösterir. MontFerret bunu mühendislik ekibinizin takviminde gösterir.
Kimler Thunderbit’i Seçmeli?
Eğer teknik olmayan bir ekip üyesiyseniz, veriye hemen ihtiyacınız varsa ve hazırda bekleyen mühendis kaynağınız yoksa, Thunderbit en net seçimdir. Aynı şey, detaylı kontrol yerine “sıfır kurulum”un önemli olduğu tek seferlik veya tekrarlı iş veri çekimleri için de geçerlidir. Eğer zaten AI-agent iş akışları kuruyorsanız ve scraping’i özel entegrasyon katmanı yazmadan MCP veya CLI ile bağlamak istiyorsanız, Thunderbit tam bu alandadır.
Kimler MontFerret’i Seçmeli?
Eğer CI/CD içinde çalışması gereken tekrar edilebilir bir scraping pipeline’ı geliştiren bir mühendisseniz ya da veri yerleşimi veya uyumluluk nedenleriyle self-hosted altyapıya ihtiyacınız varsa, MontFerret’in deklaratif yaklaşımı ve tam altyapı kontrolü mantıklıdır. Takımınızın FQL script’lerini uzun vadede sürdürmek için mühendislik kapasitesi varsa ve tarayıcı otomasyon mantığı üzerinde bu seviyede kontrol istiyorsanız, yine daha uygun seçenek odur.
Takımlar İkisini Birlikte Kullanabilir mi?
Açıkçası evet, ve bunun kaçamak bir cevap olduğunu da düşünmüyorum. Şöyle kurulumlar gördüm: teknik ekip, tam sürüm kontrollü mantık gerektiren çekirdek veri hatları için özel ve tekrar edilebilir FQL işleri çalıştırırken, aynı ekipteki iş kullanıcıları Thunderbit’i ad hoc araştırma, hızlı dışa aktarımlar veya özel script yazmayı haklı çıkarmayan keşif amaçlı veri çekimleri için kullanıyor. Bunlar gerçekten rakip araçlar değil — daha geniş veri operasyonunun farklı katmanlarında duruyorlar. Aralarında resmî bir entegrasyon varmış gibi davranmayacağım, çünkü yok; ama mimari olarak gayet mantıklı bir ayrım.
Karar
Bunu tek cümleye indirgemem gerekseydi şöyle derdim: işi kimin yaptığına ve ne kadar zamanı olduğuna göre seçim yapın. Eğer teknik olmayan bir kişinin önümüzdeki on dakikada bir veri tablosuna ihtiyacı varsa, Thunderbit her seferinde kazanır — burada yarış yok. Eğer bir mühendis, uzun vadede bakımı kendisinde olan, deklaratif, self-hosted, sürüm kontrollü bir scraping pipeline’ı istiyorsa, MontFerret gerçekten iyi bir açık kaynak seçeneğidir.
Bu bir “bir araç diğerini geçer” durumu değil; aksini söyleseydim size haksızlık etmiş olurdum. Bu, “aslında hangi problemi çözüyorsunuz” durumu.
SSS
Burada hangi Ferret projesinden bahsediliyor?
İlgili proje, montferret.dev’deki açık kaynak deklaratif web scraping çerçevesi MontFerret’tir. Apple’ın Ferret vision modeliyle, NOAA’nın Ferret veri görselleştirme aracıyla veya “Ferret” adını paylaşan başka bir projeyle ilgili değildir.
MontFerret açık kaynak mı?
Evet, MontFerret açık kaynak bir projedir. Çekirdek çerçeve için lisans ücreti yoktur; ancak ticari bağlamda kullanmadan önce güncel lisans şartlarını repodan kontrol etmelisiniz. Çünkü yazılım ücretsiz olsa bile altyapı ve mühendislik maliyetleri devam eder.
Thunderbit API ve MCP entegrasyonlarını destekliyor mu?
Evet. Thunderbit, programatik erişim için bir Open API ve Thunderbit’in extraction araçlarını Claude Code ve Cursor gibi AI agent host’larına bağlayan bir MCP Server sunar; ayrıca terminal tabanlı iş akışları için bir CLI da vardır.
Teknik olmayanlar için hangisi daha kolay?
Tartışmasız Thunderbit. Tarayıcı uzantısı, teknik olmayan kullanıcıların One Click Extract’e tıklayarak yapılandırılmış veri alabilmesi için özel olarak tasarlanmıştır — sorgu dili yok, seçici yok, kod yok. MontFerret ise FQL öğrenmeyi ve bir runtime kurmayı gerektirir; bu da en azından temel geliştirme becerileri varsayar.
Tarayıcı otomasyonu üzerinde hangisi daha net kontrol verir?
MontFerret. Çünkü Chrome DevTools Protocol üzerinden doğrudan DOM üzerinde FQL sorguları yazarsınız; bu da gezinme, etkileşimler ve koşullu mantık üzerinde hassas, kod seviyesinde kontrol sağlar. Thunderbit’in agentic yaklaşımı ise ayrıntılı script’li otomasyondan çok, uyumlu sayfalarda hızlı ve yapılandırılmış veri çıkarımını optimize eder.
