Никаких минусов. Экономия в среднем 47%. Окупается примерно за 27 промптов. Протестировано на 53 состязательных сценариях. Правило вето на качество: если оптимизация невозможна без потери качества, задача не затрагивается.
Получить: Лендинг · Gumroad ($9) · Power Bundle ($12) · SkillFlow Бесплатный MCP-сервер: PyPI · Smithery
Dev.to · PulseMCP · Smithery · MCPServers.org · Agensi.io · Indie Hackers · Awesome Manus AI
Manus списывает кредиты за каждую задачу. Большинство пользователей теряют 30–75% из-за четырех стандартных моделей поведения:
Проблема | Что происходит | Потери |
Неверная маршрутизация моделей | Простые задачи выполняются в режиме Max, хотя Standard дает идентичные результаты | До 5x переплаты |
Медленная навигация в браузере | Каждая страница занимает 8–45 секунд через вызовы инструментов браузера, сжигая кредиты на ожидании | 150+ секунд на 10 URL |
Отсутствие определения чата | Задачи, которые стоят $0 в режиме чата (вопросы/ответы, мозговой штурм, перевод), выполняются в режиме агента | 100% переплаты |
Раздувание контекста | Токены накапливаются на каждом шаге — каждый последующий шаг стоит дороже предыдущего | Экспоненциальный рост |
Это не баги. Это настройки по умолчанию. Power Stack переопределяет все четыре.
Related MCP server: ComputeGauge MCP
Это самое важное, что нужно понять:
Power Stack никогда не сделает хуже. В нем жестко прописано правило вето на качество: если оптимизация снижает качество вывода хотя бы на 1%, она полностью пропускается. В худшем случае он ничего не делает. В лучшем — экономит вам 75%.
Нет сценария, в котором установка Power Stack привела бы к худшему результату, чем без него.
Анализирует каждый промпт перед выполнением и выбирает самый дешевый путь, обеспечивающий идентичное качество.
Классификация намерений по 12 категориям (код, исследования, творчество, данные, перевод...)
Маршрутизация моделей: Standard против Max — использует Max только тогда, когда сложность действительно этого требует
Определение режима чата: Направляет простые вопросы и ответы в режим чата (стоимость $0)
Определение пакетов: Группирует связанные задачи для снижения накладных расходов
Гигиена контекста: Сжимает накопленный контекст, чтобы стоимость токенов оставалась линейной
Заменяет медленные вызовы инструментов браузера программным инструментарием.
httpx + selectolax заменяют накладные расходы Playwright (в 3–2000 раз быстрее)
Мост для файлов cookie браузера для сайтов с аутентификацией
Асинхронная параллельная загрузка — 10 URL за 1,3 секунды вместо 150+ секунд
Интеллектуальное кэширование на диске с TTL — повторные посещения мгновенны
Credit Optimizer решает, что оптимизировать. Fast Navigation решает, как быстро это выполнить. Вместе они приумножают результат:
Показатель | Без стека | Со стеком | Улучшение |
Стоимость простых вопросов/ответов | Полная цена | $0 (режим чата) | 100% экономии |
Исследование 10 URL | 150+ секунд | 1,3 секунды | в 115 раз быстрее |
Задача парсинга веб-страниц | Полная стоимость | 33% от исходной | 67% экономии |
Full-stack веб-приложение | Полная стоимость | 40% от исходной | 60% экономии |
Исследовательский отчет | 12 минут | 2 минуты | в 6 раз быстрее |
В среднем по всем задачам | Базовый уровень | на 47% меньше | 47% экономии |
Power Stack стоит $9 единоразово (или $12 за комплект с Fast Navigation). Вот как быстро он окупается:
План | Ежемесячная стоимость | 47% потерь | Дневные потери | Окупаемость |
Plus ($39/мес) | 6 500 кр/день | ~3 055 кр/день | ~$0,44/день | ~20 промптов |
Max ($99/мес) | 16 250 кр/день | ~7 637 кр/день | ~$0,92/день | ~10 промптов |
Teams ($79/пользователь/мес) | Варьируется | ~47% | Варьируется | 1–2 дня |
После окупаемости каждый промпт экономит ваши деньги. На протяжении всей подписки Manus. Навсегда.
Оценочная годовая экономия: ~$500–$1000+ в зависимости от использования.
Скопируйте файлы навыков в ~/skills/credit-optimizer/ и ~/skills/fast-navigation/
Оба активируются автоматически при каждой задаче — настройка не требуется
pip install mcp-credit-optimizer
python -m mcp_credit_optimizerДобавьте в конфигурацию MCP:
{
"mcpServers": {
"credit-optimizer": {
"command": "python",
"args": ["-m", "mcp_credit_optimizer"]
}
}
}Работает с Claude Desktop, Cursor, Windsurf, Copilot и любым клиентом, совместимым с MCP.
Зачем платить, если MCP-сервер бесплатный? MCP-сервер экономит кредиты, когда вы не забываете его вызвать. Навык Manus экономит кредиты на каждом промпте автоматически — ручной вызов не требуется. Навык также включает Fast Navigation (ускорение в 115 раз), чего нет в MCP.
Все 53 тестовых сценария пройдены с нулевой потерей качества:
Категория | Сценарии | Потеря качества |
Генерация кода (Python, JS, React, SQL) | 12 | 0% |
Творческое письмо (блог, маркетинг) | 8 | 0% |
Анализ данных (CSV, JSON, API) | 7 | 0% |
Исследования (синтез из нескольких источников) | 6 | 0% |
Перевод и локализация | 5 | 0% |
Исправление багов и отладка | 5 | 0% |
Генерация документации | 5 | 0% |
Задачи со смешанными намерениями | 5 | 0% |
"Все ненавидят кредитную систему Manus. Это безумие, как быстро сгорают кредиты." — Reddit, 90 голосов
"Я потратил 100 000 кредитов за полторы недели. Это весь мой месячный лимит." — Reddit
"Manus настолько дорогой, что это абсурд. $200 в месяц, а кредиты все равно заканчиваются." — Reddit
Power Stack существует, потому что эти разочарования реальны — и их можно исправить.
Awesome Manus AI — Кураторский список ресурсов, инструментов и советов по Manus AI
Руководство по ценообразованию 2026 — Полный разбор цен Manus AI
Руководство Standard vs Max — Когда использовать каждый режим
Учебник — Полное руководство для начинающих
Глоссарий — Объяснение 30+ терминов Manus AI
Дорожная карта — Что будет дальше
Канал | URL |
Лендинг | |
Купить индивидуально ($9) | |
Купить комплект ($12) | |
SkillFlow | |
PyPI (Бесплатный MCP) | |
Smithery | |
PulseMCP | |
Список Awesome |
MIT — подробности см. в LICENSE.
Создано 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.
