幾週前，我們團隊 Slack 上有人貼了一個連結，還順口問了一句：「等等，這是同一個 Ferret 嗎？」其實不是。後來才發現，原來有 Apple 的 Ferret 視覺模型、NOAA 的 Ferret 資料工具，還有 MontFerret——一個開源的瀏覽器自動化框架，開發者會搭配一種叫 FQL 的語法來寫爬蟲腳本。這幾個東西彼此完全沒關係，所以如果你現在正在研究「Thunderbit vs MontFerret」，大概也已經卡在同樣的命名混亂裡了。
先講清楚：我經營的是 Thunderbit，這篇要比較的是我們的產品和 MontFerret 本身——也就是 montferret.dev 上那個以聲明式網頁爬取為主的專案。不是 Apple 的 Ferret，也不是 NOAA 的 Ferret。老實說，先把名稱混亂排除掉之後，這組對比其實還滿有意思的，因為 Thunderbit 和 MontFerret 根本不是在搶同一類客戶。它們解的是不同人的不同痛點，而這才是重點。
快速答案
如果你想先看結論，再往下細看細節：Thunderbit 是一個託管式、具備 agentic 能力的網頁爬蟲，可以把任何頁面快速轉成結構化資料，並可透過瀏覽器擴充功能、Web App、Open API、MCP Server 和 CLI 使用。MontFerret 則是一個開源瀏覽器自動化框架，你可以用 FQL（Ferret Query Language）寫查詢來抓取和操作頁面。
在往下談之前，我再補一個澄清，因為我真的看過有人為這件事白花 20 分鐘：這裡只談 MontFerret 這個專案。不是 Apple 的 Ferret 視覺模型，不是 NOAA 的 Ferret 資料視覺化工具，也不是你在 Google 搜尋裡可能撞到的任何其他「Ferret」。就是 montferret.dev。
一覽對照
| Thunderbit | MontFerret | |
|---|---|---|
| 主要使用者 | 非技術商務使用者（銷售、營運、GTM），以及開發者 | 開發者／工程師 |
| 安裝與設定 | 安裝擴充功能或打開 Web App 即可 | 安裝 Go/Ferret 執行環境，設定 Chrome 偵錯埠 |
| 操作方式 | 點一下 One Click Extract，剩下交給 agent | 用 FQL 查詢 DOM/CDP |
| 查詢語言 | 沒有 — 透過自然語言微調欄位 | FQL（靈感來自 ArangoDB AQL） |
| 瀏覽器自動化 | 在相容、授權頁面上由產品代管 | 透過 Chrome DevTools Protocol 自行管理 |
| 擷取邏輯 | agentic 頁面分析 | 你自行撰寫的選擇器、迴圈、篩選條件 |
| 部署方式 | 瀏覽器擴充／Web App／雲端 | 自行架設，基礎架構由你掌控 |
| 排程 | 特定方案支援 | 需要你自己建立與維護 |
| 維護責任 | 由產品處理 | 由你的團隊承擔 |
| 授權模式 | 付費 SaaS（依點數／方案計費） | 開源，執行本體免費 |
| 總成本 | 訂閱費 | 「免費」軟體，但還要加上基礎架構與工程人力成本 |
Thunderbit 是什麼？
我跟很多這輩子從沒抓過網站資料的人解釋過 Thunderbit，而我通常會這樣說：你打開一個你有權限存取的頁面，按一下按鈕，Thunderbit 就會自己判斷這頁哪些資料值得抓。
實際流程是這樣。你點 One Click Extract。我們的 agent 會偵測頁面、閱讀內容、分析結構，並先幫你準備它認為有用的欄位——像是商品名稱、價格、聯絡資訊，或該頁面真正提供的任何資料。接著它會顯示 Run Now。你可以立刻點下去開始執行；如果你什麼都不做，它也會自己自動開始。就這樣。只要有一次有意識的點擊，不用建 schema，不用寫 selector，也不用寫程式。
這就是 Thunderbit Chrome Extension 的操作流程，也是大多數人第一次接觸 Thunderbit 的方式。但它不是唯一入口。如果你想微調擷取內容，例如補抓漏掉的欄位、或重新整理格式，你可以直接用自然語言指示。Thunderbit 也能在支援的頁面上自動處理相容的分頁與子頁補充資訊，並可匯出到 Excel、Google Sheets、Airtable 或 Notion 等工具。
對開發者來說，底層還有更多功能：可用 Thunderbit Web App 做雲端擷取、透過 Open API 存取、用 MCP Server 串接 Claude 或 Cursor 之類的 AI agent，還有 CLI 可供終端機或 coding agent 流程使用。所以雖然擴充功能是無程式碼入口，但 Thunderbit 不只是瀏覽器小工具，而是一個提供多種進入方式的完整擷取平台。
這裡也老實說一個限制，免得我把它講得太神：「one click」只適用於相容、而且你有授權存取的頁面。它不代表能穿透所有反機器人系統、所有登入牆，或網站丟出的各種特殊例外狀況。
MontFerret 是什麼？
MontFerret 完全是另一種東西，而且我其實很佩服他們做出來的成果。它是一個開源、聲明式的網頁爬取系統，你不是點按鈕，而是用 FQL——Ferret Query Language——寫查詢；官方文件說它的設計靈感來自 ArangoDB 的 AQL。
根據官方文件，這個系統由幾個核心元件組成：FQL parser、compiler、runtime、standard library、user-function registry、in-memory HTML driver、Chrome DevTools Protocol（CDP）driver，以及命令列介面。聽起來零件很多，確實也是如此——但這正是它的定位。MontFerret 是為了想要在程式層級精細控制頁面如何被抓取的開發者而設計的。
只要碰到 JavaScript 動態渲染內容或真實的瀏覽器互動，你就需要讓 Chrome 或 Chromium 以開啟偵錯埠的方式執行，這樣 MontFerret 才能透過 CDP 跟它溝通。設定完成後，你的 FQL 查詢就可以表達迴圈、篩選、類 CSS 選擇器、頁面導覽、點擊／輸入互動，以及結構化回傳值——基本上就是把瀏覽器自動化邏輯包進查詢語言裡。
但代價也很清楚：MontFerret 雖然幫你抽象掉很多底層瀏覽器與網路層的細節，你還是得學 FQL、撰寫和測試查詢，並且自己維護執行環境。這裡沒有「點一下它就自己找出欄位」的體驗。你每次都得明確告訴它要做什麼。
核心差異：託管式 Agentic 產品 vs 查詢語言框架
首次拿到結構化結果的時間
這是兩者差距最明顯的地方。Thunderbit 的首次產出幾乎是以秒計：點 One Click Extract，讓 agent 分析頁面，工作就會自動開始；Run Now 只是可選項。MontFerret 則是一開始就要先寫查詢。即使是很簡單的 FQL 腳本，也需要了解 selector、查詢語法，以及 CDP driver 在目標頁面的行為。這不是在貶低 MontFerret，只是它的起點本來就完全不同。一個是「讓 agent 自己判斷」，另一個是「你明確告訴它要怎麼做」。
自訂瀏覽器自動化與控制力
但換個角度看，MontFerret 在精準控制上就更強。如果你需要的是非常特定的爬蟲行為——多步驟表單填寫、根據頁面狀態做條件判斷、自訂重試邏輯——那 FQL 能提供這種層級的控制，因為邏輯就是你自己寫的。Thunderbit 的 agentic 做法很適合「把這頁有用的資料抓出來」，但它不是設計成通用瀏覽器腳本語言。如果你的情境需要跨多頁流程，而且有客製化分支判斷，那就是 MontFerret 比較對味的場景。
部署與維護責任
這一點很多人會低估。使用 Thunderbit 時，當網站改版，agentic 擷取會因為每次都重新分析頁面而自動適應，而不是依賴那些一改版就可能失效的硬編碼 selector——但我還是得說，這不代表它在每一次重新設計後都一定百分之百成功。使用 MontFerret 時，如果網站的 DOM 結構改了，你的 FQL 查詢 selector 可能就壞掉了，團隊裡就得有人發現、除錯、修正。這就是手寫爬蟲永遠無法完全消失的長期工程責任，不管它是不是開源。
實際使用情境
一次性商務資料擷取
假設銷售營運人員需要在今天下班前，從某個目錄網站整理出一份公司名單，但目前沒有工程師可支援。Thunderbit 就是為這種狀況設計的：打開頁面、點 One Click Extract、匯出到 Google Sheets，然後繼續做別的事。沒有人會為了一次性的任務去寫 FQL。
開發者撰寫的可重複瀏覽器自動化
再想像另一種情境：工程團隊要建立一條監控管線，每晚檢查競爭對手的定價頁面、解析特定的巢狀資料，並以客製化轉換邏輯推送到內部系統。這時候 MontFerret 的聲明式查詢方式就很適合——你只要把 FQL 寫一次，就能完全掌握它做了什麼，整條流程也都由你維護。
動態多步驟網站流程
如果網站需要登入流程、多頁導覽，以及依畫面內容做條件動作，那 MontFerret 的 CDP driver 和明確查詢邏輯，能讓你把流程精準地寫出來。Thunderbit 可以在支援且授權的頁面上處理相容的分頁與子頁補充資訊，但它不是為了任意多步驟瀏覽器工作流而設計的通用腳本工具。
API 或 AI agent 整合
如果你正在打造一個 AI agent，需要把網頁結構化資料當成更大流程的一部分，Thunderbit 的 MCP Server 可以直接串到 Claude Code 或 Cursor 這類工具上。MontFerret 也可以被你包進自訂技術堆疊，但整合層得自己做，不是直接使用現成連接器。
可靠性、彈性與維護
我先直接講，因為這正是很多比較文章最容易敷衍的部分。Thunderbit 的 agentic 頁面理解確實很實用，因為它減少了硬編碼 selector 的維護負擔——agent 每次都會重新讀取頁面結構，而不是依賴一條脆弱的 CSS 路徑，在網站改版那一刻就報廢。但「agentic」不等於「魔法」。它只在相容、且你有授權的頁面上運作，而且確實會有一些網站或情境，讓它無法抓到你期待的內容。
MontFerret 的顯式查詢／自動化邏輯，在某種程度上更可預測——因為查詢是你寫的，所以你清楚知道它在做什麼——但一旦底層頁面改動，這種可預測性就會換來脆弱性。若網站把 div 換成 section，你的 selector 可能默默失效，直到資料回傳空白或錯誤，你才會發現。
這兩個工具都不會宣稱能普遍擊敗反機器人保護，任何這樣宣稱的工具我都會保持懷疑。它們都必須在你有權限存取的範圍內運作。
價格、授權與總成本
這就是開源軟體標上「免費」時最容易誤導人的地方，我覺得有必要講清楚。
MontFerret 是開源的——在正式導入前，最好先到他們的 repository 確認當前授權條款，因為這類東西技術上可能會變動。不過廣義來說，核心框架本身沒有訂閱費。但「免費」只代表軟體授權免費。你還是得自己配置與託管運算資源、執行和維護 Chrome/Chromium 執行個體、在有實際規模時管理 proxy、建立故障監控，還要付工程師寫和維護 FQL 腳本的人力成本。
Thunderbit 則採付費方案制——精確價格請以 Thunderbit Pricing 頁面為準，因為這些數字會隨時間調整——但這筆費用已經包含託管式瀏覽器／雲端執行、agentic 擷取邏輯、匯出功能，以及 API／MCP／CLI 存取。你不需要另外煩惱基礎架構帳單。
| 成本項目 | Thunderbit | MontFerret |
|---|---|---|
| 授權成本 | 付費 SaaS（依點數／方案） | 免費、開源 |
| 基礎架構成本 | 已包含在方案內 | 你要自行配置／託管伺服器、Chrome、proxy |
| 工程時間 | 很少 — 不需要寫程式 | 持續投入 — 撰寫、測試、除錯 FQL |
| 維護負擔 | 由產品處理 | 由你的團隊承擔 |
真正的問題不是「哪個比較便宜」，而是「你想把成本顯示在哪裡」。Thunderbit 的成本會出現在每月帳單上；MontFerret 的成本則會出現在工程團隊的行事曆裡。
誰適合選 Thunderbit？
如果你是非技術團隊成員，現在就需要資料，而且身邊沒有工程資源可以待命，Thunderbit 幾乎是最直覺的選擇。對於任何一次性或重複性的商務資料擷取，只要「零設定」比細緻控制更重要，Thunderbit 也很合適。再者，如果你已經在打造 AI agent 工作流，希望能透過 MCP 或 CLI 把爬取能力直接接進去，而不是自己寫整合層，那 Thunderbit 就是你的路線。
誰適合選 MontFerret？
如果你是開發者，正在建立一條可重複執行的爬取管線，需要跑在 CI/CD 裡，或因為資料落地／合規原因必須自架基礎架構，那 MontFerret 的聲明式做法與完整控制權就很合理。如果你的團隊有足夠工程能量，願意長期維護 FQL 腳本，而且真的想掌握瀏覽器自動化邏輯的每個細節，MontFerret 也會是更合適的選擇。
團隊能同時使用兩者嗎？
說實話，可以，而且我不覺得這是偷懶的答案。我看過這樣的配置：技術團隊用專門、可重複執行的 FQL 任務處理核心資料管線，這些管線需要精準、可版本控管的邏輯；同一團隊中的商務使用者則用 Thunderbit 做臨時研究、快速匯出，或做一些不值得寫客製腳本的探索型資料擷取。它們其實不是競爭工具，而是處在同一個更大資料作業體系的不同層。當然，我不會硬說兩者之間有什麼官方整合，因為沒有；但從架構角度看，這樣分工完全合理。
結論
如果要我用一句話總結：請根據「誰在做這件事」以及「他們有多少時間」來選。若你有一位非技術人員，需要在十分鐘內拿到一份資料表，那 Thunderbit 幾乎永遠是贏家——根本沒有可比性。若你有一位工程師，想要一套聲明式、自架、可版本控管的爬取管線，而且願意長期承擔維護責任，那 MontFerret 的確是一個不錯的開源選擇。
這不是「一個工具全面打敗另一個工具」的問題；如果我假裝不是這樣，那就是在誤導你。真正的問題是：「你到底在解決什麼問題？」
FAQ
這裡討論的是哪個 Ferret 專案？ 這裡討論的是 MontFerret，也就是 montferret.dev 上那個開源、聲明式的網頁爬取框架。它和 Apple 的 Ferret 視覺模型、NOAA 的 Ferret 資料視覺化工具，或任何其他同名專案都沒有關係。
MontFerret 是開源的嗎？ 是的，MontFerret 是開源專案。核心框架沒有授權費，但在商業情境中使用前，建議先查看 repository 裡的最新授權條款；即使軟體本身免費，基礎架構與工程成本仍然存在。
Thunderbit 支援 API 和 MCP 整合嗎？ 支援。Thunderbit 提供可程式化存取的 Open API，以及可把 Thunderbit 擷取工具連到 Claude Code、Cursor 等 AI agent host 的 MCP Server，另外還有用於終端機流程的 CLI。
哪一個對非開發者更容易上手？ 毫無疑問是 Thunderbit。它的瀏覽器擴充功能就是為了讓非技術使用者能透過點 One Click Extract 來擷取結構化資料而設計的——不需要查詢語言、不需要 selector，也不需要寫程式。MontFerret 則需要學 FQL 並設定執行環境，至少要有基本開發能力。
哪一個提供更明確的瀏覽器自動化控制？ MontFerret。因為你是透過 Chrome DevTools Protocol 直接對 DOM 寫 FQL 查詢，所以可以在導覽、互動與條件邏輯上獲得非常精準的程式級控制。Thunderbit 的 agentic 做法則是為了在相容頁面上快速擷取結構化資料，而不是做細粒度的腳本式自動化。
