ClaudeスキルでStarlette 1.0を試す

Starlette 1.0 がリリースされました！これは本当に大きな出来事です。私は、Starlette は比較的低いブランド認知度に対して使用実績が最も多い Python フレームワークの一つではないかと考えています。その理由は、Starlette が FastAPI の基盤となっているためで、FastAPI は多大な注目を集め、かえって Starlette 自体の存在が影を薄めてしまったように見えるからです。

Kim Christie は 2018 年に Starlette の開発を開始し、すぐに新しい世代の Python ASGI フレームワークの中で私の最愛のものとなりました。私が自身の Datasette プロジェクトの基盤としてこれを使わなかった唯一の理由は、まだ安定性を約束していなかったからです。私は Datasette 独自のプラグインに対して安定した API を提供することに固執していました……とはいえ、私自身もまだ勇気が出ず、26 回ものアルファ版を経て現在に至るまで、1.0 リリースを公開できていません！

その後、2025 年 9 月に Marcelo Trylesinski が Starlette と Uvicorn を自身の GitHub アカウントへ移管することを発表しました。これは彼らの長年にわたる貢献を認めるとともに、これらのプロジェクトに対するスポンサーシップを受け取りやすくするためでした。

1.0 バージョンは 0.x シリーズと比較していくつかの破壊的変更を含んでおり、これらは 2 月に発表された 1.0.0rc1 のリリースノート で説明されています。

最も目立つ変更点は、起動時とシャットダウン時にコードが実行される方法の変更です。以前は on_startup および on_shutdown パラメータで処理されていましたが、新しいシステムでは lifespan メカニズムを採用し、これは async context manager を中心に構成されています:

@contextlib.asynccontextmanager

async def lifespan(app):

async with some_async_resource():

print("Run at startup!")

yield

print("Run on shutdown!")

app = Starlette(

routes=routes,

lifespan=lifespan

)

もしあなたが以前に Starlette を試したことがないなら、私には asyncio ネイティブの Flask と Django の中間のようなものと感じられます。これは驚くべきことではありません。なぜなら、創設者の Kim Christie は Django REST Framework の作成者でもあるからです。決定的な点は、これにより Flask スタイルで単一の Python ファイルとしてほとんどのアプリケーションを記述できるということです。

これにより、LLM が単一のプロンプトから動作する Starlette アプリケーションを生成するのは*非常に*簡単になります。

しかし、そこにはただ一つの問題があります。1.0 版がモデルが学習してきた既存の Starlette コードとの互換性を破る場合、どのようにして 1.0 版で動作するコードをそれらに生成させることができるでしょうか？

私はこれを Skill を使って実現できるかどうか試してみることにしました。

Claude でスキルを構築する

claude.ai 上の通常の Claude チャットには「スキル」機能が備わっており、そのデフォルトスキルの一つに skill-creator スキル が含まれています。つまり、Claude は自分自身でスキルを構築する方法を知っているのです。

そこで私は チャットセッションを開始し、以下のように指示しました：

GitHub から Starlette をクローンしてください。ちょうど 1.0 リリースが行われたばかりです。このリリースのすべての機能に関するコード例を含む、スキル用 Markdown ドキュメントを構築してください。

リポジトリの場所まで具体的に指示しませんでした。Starlette は十分に知られたプロジェクトなので、自力で見つけられるだろうと予想したからです。

Claude が実行したのは git clone https://github.com/encode/starlette.git というコマンドでした。これは実は古いリポジトリ名ですが、GitHub 側で自動的にリダイレクト処理が行われるため、問題なく動作しました。

作成されたスキルドキュメント は私には非常に網羅的に見えました。そして、以前見たことのない「Copy to your skills」というラベルの新しいボタンが上部にあることに気づきました。そこで私はそのボタンをクリックしました：

すると、通常の Claude チャットでもそのスキルにアクセスできるようになりました！

作業管理デモアプリの構築

私は 新しい会話を開始し、以下のようにプロンプトしました：

Starlette を使用して作業管理アプリを構築してください。プロジェクト、タスク、コメント、ラベルの機能を持つものにしてください。

Claude はまさにその通りに行い、Starlette 1.0 を用いたシンプルな GitHub Issues クローンを作成しました。これには SQLite データベース（aiosqlite を経由）と Jinja2 テンプレートが使用されています。

Claude はさらに、以下のように手動でアプリをテストしました:

cd /home/claude/taskflow && timeout 5 python -c "

import asyncio

from database import init_db

asyncio.run(init_db())

print('DB initialized successfully')

" 2>&1

pip install httpx --break-system-packages -q \

&& cd /home/claude/taskflow && \

python -c "

from starlette.testclient import TestClient

from main import app

client = TestClient(app)

r = client.get('/api/stats')

print('Stats:', r.json())

r = client.get('/api/projects')

print('Projects:', len(r.json()), 'found')

r = client.get('/api/tasks')

print('Tasks:', len(r.json()), 'found')

r = client.get('/api/labels')

print('Labels:', len(r.json()), 'found')

r = client.get('/api/tasks/1')

t = r.json()

print(f'Task 1: "{t["title"]}" - {len(t["comments"])} comments, {len(t["labels"])} labels')

r = client.post('/api/tasks', json={'title':'Test task','project_id':1,'priority':'high','label_ids':[1,2]})

print('Created task:', r.status_code, r.json()['title'])

r = client.post('/api/comments', json={'task_id':1,'content':'Test comment'})

print('Created comment:', r.status_code)

r = client.get('/')

print('Homepage:', r.status_code, '- length:', len(r.text))

print('\nAll tests passed!')

"

Claude Code に関する話題が盛り上がる中、Claude 自体もすでにコーディングエージェントとしてカウントされるようになり、自身が書くコードの作成からテストまでを完全に実行できるようになっているという事実を見落としがちです。

その結果できたアプリの外観は以下の通りです。コードはこちらの研究リポジトリにあります taskflow。

Tags: open-source, python, ai, asgi, kim-christie, generative-ai, llms, ai-assisted-programming, claude, coding-agents, skills, agentic-engineering, starlette