デメリットなし。平均47%の節約。約27回のプロンプトで元が取れます。 53の敵対的シナリオで検証済み。品質拒否ルール：品質を損なわずに節約できない場合は、タスクには一切触れません。
入手先: ランディングページ · Gumroad ($9) · パワーバンドル ($12) · SkillFlow 無料MCPサーバー: PyPI · Smithery
Dev.to · PulseMCP · Smithery · MCPServers.org · Agensi.io · Indie Hackers · Awesome Manus AI
Manusはタスクごとにクレジットを課金します。ほとんどのユーザーは、以下の4つのデフォルト動作により**30〜75%**を無駄にしています。
問題 | 何が起きているか | 無駄 |
不適切なモデルルーティング | Standardモードで十分な結果が得られる単純なタスクでもMaxモードで実行される | 最大5倍の過払い |
遅いブラウザナビゲーション | ブラウザツール呼び出しにより各ページで8〜45秒かかり、待機時間にクレジットが消費される | 10URLあたり150秒以上 |
チャット検出機能の欠如 | チャットモードで$0のタスク（Q&A、ブレインストーミング、翻訳）がエージェントモードで実行される | 100%の過払い |
コンテキストの肥大化 | ステップごとにトークンが蓄積され、後のステップほどコストが高くなる | 指数関数的な増加 |
これらはバグではなく、デフォルト設定です。Power Stackはこれら4つすべてを上書きします。
Related MCP server: ComputeGauge MCP
最も重要な点は以下の通りです。
Power Stackによって状況が悪化することは決してありません。 ハードコードされた「品質拒否ルール」があり、最適化によって出力品質が1%でも低下する場合は、その最適化を完全にスキップします。最悪の場合でも何もしないだけであり、最高の場合には75%の節約になります。
Power Stackをインストールして、インストールしない場合よりも結果が悪くなるシナリオは存在しません。
実行前にすべてのプロンプトを分析し、同一の品質を提供できる最も安価なパスを決定します。
意図分類: 12のカテゴリ（コード、リサーチ、クリエイティブ、データ、翻訳など）
モデルルーティング: Standard対Max — 複雑さが真に必要とする場合にのみMaxを使用
チャットモード検出: 単純なQ&Aをチャットモード（コスト$0）にルーティング
バッチ検出: 関連タスクをグループ化してオーバーヘッドを削減
コンテキストの衛生管理: 蓄積されたコンテキストを圧縮し、トークンコストを線形に維持
低速なブラウザツール呼び出しをプログラム可能なツールキットに置き換えます。
httpx + selectolax がPlaywrightのオーバーヘッドを置換（30〜2,000倍高速）
認証済みサイト用の ブラウザクッキーブリッジ
非同期並列フェッチ — 150秒以上かかっていた10URLを1.3秒で処理
TTL付きの インテリジェントなディスクキャッシュ — 再訪問は瞬時に完了
Credit Optimizerは「何を」最適化するかを決定し、Fast Navigationは「どれだけ速く」実行するかを決定します。これらを組み合わせることで、効果が倍増します。
指標 | スタックなし | スタックあり | 改善 |
単純なQ&Aコスト | 通常料金 | $0 (チャットモード) | 100%節約 |
10URLのリサーチ | 150秒以上 | 1.3秒 | 115倍高速 |
Webスクレイピングタスク | 通常クレジット | 元の33% | 67%節約 |
フルスタックWebアプリ | 通常クレジット | 元の40% | 60%節約 |
リサーチレポート | 12分 | 2分 | 6倍高速 |
全タスクの平均 | ベースライン | 47%削減 | 47%節約 |
Power Stackは一度限りの$9（Fast Navigationを含むバンドルは$12）です。元が取れるまでの期間は以下の通りです。
プラン | 月額コスト | 47%の無駄 | 1日の無駄 | 回収期間 |
Plus ($39/月) | 6,500 cr/日 | 約3,055 cr/日 | 約$0.44/日 | 約20プロンプト |
Max ($99/月) | 16,250 cr/日 | 約7,637 cr/日 | 約$0.92/日 | 約10プロンプト |
Teams ($79/ユーザー/月) | 変動 | 約47% | 変動 | 1〜2日 |
元が取れた後は、すべてのプロンプトで節約になります。Manusのサブスクリプションを継続する限り、永遠に続きます。
年間節約額の推定: 利用状況に応じて約$500〜$1,000以上
スキルファイルを ~/skills/credit-optimizer/ および ~/skills/fast-navigation/ にコピー
両方ともすべてのタスクで自動的に有効化されます — 設定は不要です
pip install mcp-credit-optimizer
python -m mcp_credit_optimizerMCP設定に追加してください：
{
"mcpServers": {
"credit-optimizer": {
"command": "python",
"args": ["-m", "mcp_credit_optimizer"]
}
}
}Claude Desktop、Cursor、Windsurf、Copilot、およびMCP互換クライアントで動作します。
MCPサーバーが無料なのに、なぜ支払う必要があるのか？ MCPサーバーは、呼び出しを忘れない場合にクレジットを節約します。Manus Skillは、すべてのプロンプトで自動的にクレジットを節約します。手動での呼び出しは不要です。また、SkillにはMCPとして提供されていないFast Navigation（115倍の速度向上）が含まれています。
53のテストシナリオすべてにおいて、品質低下ゼロで合格しています：
カテゴリ | シナリオ数 | 品質低下 |
コード生成 (Python, JS, React, SQL) | 12 | 0% |
クリエイティブライティング (ブログ, マーケティング) | 8 | 0% |
データ分析 (CSV, JSON, API) | 7 | 0% |
リサーチ (複数ソースの統合) | 6 | 0% |
翻訳・ローカライズ | 5 | 0% |
バグ修正・デバッグ | 5 | 0% |
ドキュメント生成 | 5 | 0% |
混合意図タスク | 5 | 0% |
「誰もがManusのクレジットベースのシステムを嫌っている。クレジットが燃えるように消えていくのは異常だ。」 — Reddit, 90いいね
「1週間半で10万クレジットを使った。月間の割り当てがすべて消えた。」 — Reddit
「Manusは高すぎて不条理だ。月額$200払ってもクレジットがすぐになくなる。」 — Reddit
Power Stackが存在するのは、これらの不満が現実であり、解決可能だからです。
Awesome Manus AI — Manus AIのリソース、ツール、ヒントの厳選リスト
2026年価格ガイド — Manus AIの価格体系の完全な内訳
Standard対Maxガイド — 各モードの使い分け
チュートリアル — 初心者向け完全ガイド
用語集 — 30以上のManus AI用語の解説
ロードマップ — 今後の予定
チャンネル | URL |
ランディングページ | |
個別購入 ($9) | |
バンドル購入 ($12) | |
SkillFlow | |
PyPI (無料MCP) | |
Smithery | |
PulseMCP | |
Awesomeリスト |
MIT — 詳細は LICENSE を参照してください。
開発者: Rafael Silva · creditopt.ai
Analyze an AI agent prompt and return optimization recommendations.
Returns strategy, model recommendation, estimated credit savings, quality impact assessment, and efficiency directives.
| Name | Required | Description | Default |
|---|---|---|---|
| prompt | Yes | The user's prompt/task description to analyze |
| Name | Required | Description |
|---|---|---|
No output parameters | ||
Does the description disclose side effects, auth requirements, rate limits, or destructive behavior?
No annotations provided, so description carries full burden. It mentions what it returns but lacks details on side effects, idempotency, or prerequisites.
Agents need to know what a tool does to the world before calling it. Descriptions should go beyond structured annotations to explain consequences.
Is the description appropriately sized, front-loaded, and free of redundancy?
Two sentences, front-loaded with action and result. Every word adds value.
Shorter descriptions cost fewer tokens and are easier for agents to parse. Every sentence should earn its place.
Given the tool's complexity, does the description cover enough for an agent to succeed on first attempt?
Given one parameter and presence of output schema, description covers purpose and what is returned completely.
Complex tools with many parameters or behaviors need more documentation. Simple tools need less. This dimension scales expectations accordingly.
Does the description clarify parameter syntax, constraints, interactions, or defaults beyond what the schema provides?
With 100% schema coverage, baseline is 3. Description does not add meaning beyond the schema's description of the 'prompt' parameter.
Input schemas describe structure but not intent. Descriptions should explain non-obvious parameter relationships and valid value ranges.
Does the description clearly state what the tool does and how it differs from similar tools?
Clearly states it analyzes an AI agent prompt and returns optimization recommendations, listing specific return fields. Distinguishes from siblings get_golden_rules and get_strategy_for_task.
Agents choose between tools based on descriptions. A clear purpose with a specific verb and resource helps agents select the right tool.
Does the description explain when to use this tool, when not to, or what alternatives exist?
Usage is implied but not explicitly stated. No guidance on when to use this tool versus siblings or when not to use it.
Agents often have multiple tools that could apply. Explicit usage guidance like "use X instead of Y when Z" prevents misuse.
Get the 10 Golden Rules for credit optimization with ZERO quality loss.
Returns: The 10 audited golden rules with explanations
| Name | Required | Description | Default |
|---|---|---|---|
No parameters | |||
| Name | Required | Description |
|---|---|---|
No output parameters | ||
Does the description disclose side effects, auth requirements, rate limits, or destructive behavior?
Without annotations, the description carries the full burden of behavioral disclosure. It does not confirm the tool is read-only or safe, nor does it describe any side effects, authorization needs, or rate limits. The claim of 'ZERO quality loss' pertains to the rules, not the tool's behavior.
Agents need to know what a tool does to the world before calling it. Descriptions should go beyond structured annotations to explain consequences.
Is the description appropriately sized, front-loaded, and free of redundancy?
The description is only two sentences, front-loads the purpose, and contains no extraneous information. Every word serves a purpose.
Shorter descriptions cost fewer tokens and are easier for agents to parse. Every sentence should earn its place.
Given the tool's complexity, does the description cover enough for an agent to succeed on first attempt?
Given the tool's simplicity (no parameters, clear retrieval) and the existence of an output schema, the description adequately explains what the tool returns: 'the 10 audited golden rules with explanations.' No further context seems necessary.
Complex tools with many parameters or behaviors need more documentation. Simple tools need less. This dimension scales expectations accordingly.
Does the description clarify parameter syntax, constraints, interactions, or defaults beyond what the schema provides?
The input schema has zero parameters and 100% coverage, so baseline is 4. The description does not need to add parameter-level detail, and it appropriately confirms no arguments are required.
Input schemas describe structure but not intent. Descriptions should explain non-obvious parameter relationships and valid value ranges.
Does the description clearly state what the tool does and how it differs from similar tools?
The description clearly states 'Get the 10 Golden Rules for credit optimization with ZERO quality loss,' which specifies the exact resource (10 Golden Rules) and the action (Get). This distinguishes it from sibling tools analyze_prompt and get_strategy_for_task.
Agents choose between tools based on descriptions. A clear purpose with a specific verb and resource helps agents select the right tool.
Does the description explain when to use this tool, when not to, or what alternatives exist?
The description provides no guidance on when to use this tool versus alternatives, nor does it mention any prerequisites or exclusions. It simply states what it returns.
Agents often have multiple tools that could apply. Explicit usage guidance like "use X instead of Y when Z" prevents misuse.
Get the optimal strategy for a specific task type.
| Name | Required | Description | Default |
|---|---|---|---|
| task_type | Yes | One of: qa, code, research, content, data_analysis, media, automation |
| Name | Required | Description |
|---|---|---|
No output parameters | ||
Does the description disclose side effects, auth requirements, rate limits, or destructive behavior?
No annotations provided, so description carries full burden. It only states it 'gets' a strategy, but does not disclose any behavioral traits like whether it is read-only, if there are side effects, or what the output entails. Minimal behavioral context.
Agents need to know what a tool does to the world before calling it. Descriptions should go beyond structured annotations to explain consequences.
Is the description appropriately sized, front-loaded, and free of redundancy?
Single sentence, concise and front-loaded. No unnecessary words.
Shorter descriptions cost fewer tokens and are easier for agents to parse. Every sentence should earn its place.
Given the tool's complexity, does the description cover enough for an agent to succeed on first attempt?
Simple tool with one param and output schema, but description does not mention output or any constraints. Lacks context about behavior and return value, despite output schema existing.
Complex tools with many parameters or behaviors need more documentation. Simple tools need less. This dimension scales expectations accordingly.
Does the description clarify parameter syntax, constraints, interactions, or defaults beyond what the schema provides?
Schema has one parameter with description listing allowed values, coverage is 100%. Description adds no additional meaning beyond schema. Baseline score of 3 is appropriate.
Input schemas describe structure but not intent. Descriptions should explain non-obvious parameter relationships and valid value ranges.
Does the description clearly state what the tool does and how it differs from similar tools?
Description clearly states the verb 'get' and resource 'strategy' for a specific task type. Input schema defines task_type with allowed values. It is distinct from sibling tools 'analyze_prompt' and 'get_golden_rules'.
Agents choose between tools based on descriptions. A clear purpose with a specific verb and resource helps agents select the right tool.
Does the description explain when to use this tool, when not to, or what alternatives exist?
Usage is implied but not explicitly stated. No guidance on when to use this tool versus alternatives, nor any exclusions.
Agents often have multiple tools that could apply. Explicit usage guidance like "use X instead of Y when Z" prevents misuse.
Recent tool additions, removals, and schema changes observed during successful MCP inspections.
v5.0.0analyze_prompt1 field changedInput schema / properties / prompt / descriptionAdded value: +"The user's prompt/task description to analyze"get_strategy_for_task1 field changedInput schema / properties / task_type / descriptionAdded value: +"One of: qa, code, research, content, data_analysis, media, automation"v5.2.0analyze_promptget_golden_rulesget_strategy_for_taskScored across 3 tools
Each tool targets a distinct aspect of credit optimization: analyzing prompts, retrieving golden rules, and obtaining task-specific strategies. There is no overlap in functionality.
All tool names follow a consistent verb_noun pattern in snake_case (analyze_prompt, get_golden_rules, get_strategy_for_task), making them predictable and easy to understand.
With 3 tools, the server is slightly minimal but still well-scoped for its advisory purpose. Each tool serves a clear role, and the count is reasonable given the focused domain.
The tools cover the core functionalities of analysis, reference rules, and strategy selection. A minor gap is the lack of an execution tool, but for an advisory server this is acceptable.
Reduces AI Agent token usage by 40% via three-stage SOP workflow.
Cost-optimized LLM model routing recommendations for autonomous AI agents
Enforce AI budgets before the model call and track cost per customer across 10 providers.
AI image, video, audio and text tools for creators. Pay per use with credits.
