アプリは CLI から始め、
Flet、Flutter へ伸ばす。

アプリを作るとき、最初から Flutter や React Native や Swift で書き始めない。

CLI から始める。動かす。それから画面が要るなら Flet で GUI を載せる。それでも足りなければ Flutter に進む。三層を段階的に登る。これが AI ネイティブな作り方だ。

三つの層

アプリを作る道具は、三段階に分けて考える。

新しいアプリは、第一層から始める。第二層に進むのは、CLI で動くものができてから。第三層に進むのは、Flet で足りないと分かってから。

手戻りは少なく、書く量も少なく済む。

第一層: CLI ツールから始める

アプリの本質は、入力を取って、処理して、出力する、ことだ。

最初に書くべきは、コマンドラインツールだ。

import sys

def main(args):
    input_file = args[0]
    # 処理を書く
    print("done")

if __name__ == "__main__":
    main(sys.argv[1:])

これで「コマンドを実行すると何かが起きる」アプリができる。GUI は無い。テストしやすい。デバッグしやすい。Claude が書きやすい。

CLI ツールが正しく動くようになったら、それで配布できる。Mac / Linux / Windows、すべての OS で動く(Python があれば)。Web からダウンロード してもらう必要すらない。uv tool install <あなたのツール> で 配れる(pip install でも動くが、本書は uv を採用している ── 第1章参照)。

多くのアプリは、CLI で十分だ。データを処理する、ファイルを変換する、API を叩く ── これらは GUI が無くても困らない。

第二層: Flet で GUI を載せる

CLI で十分でない場合 ── 操作する人が技術者ではない、視覚的なフィードバックが要る、入力欄が複数ある ── 画面が要る。

そのとき、Flutter を学ぶ前に Flet を試す。

Flet は Python で書ける GUI フレームワークだ。Flutter のレンダリングエンジンを内側で使うが、書くのは Python。第一層の CLI コードを、ほぼそのまま GUI に載せられる。

import flet as ft

def main(page: ft.Page):
    name = ft.TextField(label="名前")
    result = ft.Text()

    def greet(e):
        result.value = f"こんにちは、{name.value}さん"
        page.update()

    page.add(name, ft.ElevatedButton("挨拶", on_click=greet), result)

ft.app(main)

これで、テキストフィールドとボタンと表示領域がある GUI アプリが動く。Mac でも Windows でも Linux でも、Web ブラウザでも、モバイル(iOS/Android)でも動く。書くのは Python だけ。

Flet は新しい(2022 年公開)。しかし、すでに業務で使える。Claude も書ける。

第三層: Flutter

Flet で足りないとき ── 高度なアニメーションが要る、ネイティブの API を叩く、配布チャネル(App Store、Play Store)で売る ── そのときに初めて Flutter を考える。

Flutter は Dart 言語で書く。Dart は Java や C# に似た静的型付け言語だ。新しく学ぶ必要があるが、Claude が書ける。自分で Dart を書ける必要はない。Claude に頼んで書いてもらい、自分は読んで判断する。

第一層・第二層で Python のロジックを書いて検証してから、Flutter に移植する。処理の正しさは Python で確認済みなので、Dart 側は UI と OS 連携だけに集中できる。

これで、Flutter プロジェクトの複雑さの半分が消える。

なぜ Swift / Kotlin を勧めないか

iOS 専用、Android 専用のアプリは、Swift や Kotlin で書ける。しかし、最初の選択肢としては勧めない。

理由は二つだ。

一: クロスプラットフォームのコスト。同じアプリを iOS と Android の両方に作るなら、Flutter の方が圧倒的に安い。Swift と Kotlin で別々に作ると、コードの量が 2 倍、保守の負担も 2 倍になる。

二: AI の書きやすさ。Swift と Kotlin も Claude は書ける。しかし、Python と Dart の方が、Claude の出力品質が安定している。SwiftUI や Jetpack Compose の最新仕様は変化が速く、AI のトレーニングデータが追いついていないことがある。

iOS にしか出さない明確な理由(Apple Watch 連携、Vision Pro 専用、など)があれば Swift を選ぶ。それ以外なら Flutter で良い。

React Native も勧めない

「React で書けるから React Native」という考えは、Web の章で書いた通り、もう積極的に勧めない。

Flutter のほうが描画品質が高く、依存も少なく、Dart は JavaScript より AI が書きやすい。React のエコシステムから離れることが、Mythos 時代の安全策だ。

何で配るか

CLI ツール: PyPI(uv tool install <name> / フォールバックで pip install)、GitHub リリース、自分の Web サイトで配布。

Flet アプリ: Flet 単体で配布できる(各 OS の実行ファイルにビルド)。Web 版は Web サイトに置くだけ。

Flutter アプリ: App Store、Play Store、Web、デスクトップアプリ ── 全部できる。

段階を上がるほど配布手段が増えるが、ハードルも上がる。最初から最高層を目指す必要はない。CLI で十分配布できることが多い。

例: 自分のための写真整理アプリ

例を挙げる。「カメラで撮った写真を、撮影日でフォルダ分けする」アプリを作りたい。

第一層(CLI)で書く:

# python organize.py /path/to/photos
import sys, shutil, os
from PIL import Image
from PIL.ExifTags import TAGS

def main(folder):
    for f in os.listdir(folder):
        if not f.lower().endswith(('.jpg', '.jpeg')):
            continue
        path = os.path.join(folder, f)
        img = Image.open(path)
        exif = img._getexif() or {}
        date = next((v for t, v in exif.items() if TAGS.get(t) == 'DateTimeOriginal'), None)
        if date:
            ymd = date[:10].replace(':', '-')
            target = os.path.join(folder, ymd)
            os.makedirs(target, exist_ok=True)
            shutil.move(path, os.path.join(target, f))

if __name__ == "__main__":
    main(sys.argv[1])

このコード、Claude に「写真を撮影日でフォルダ分けする Python を書いて」と頼めば 30 秒で出てくる。実行すれば動く。

これで配布できる(自分が使うだけならこれで終わり)。

家族や友人にも使ってほしいと思ったら、第二層に上がる。Flet で GUI を被せる。「フォルダを選ぶ」ボタンと「実行」ボタンがあるアプリになる。

App Store で売りたい(本当に?)と思ったら、第三層に上がる。Flutter で書き直す。Python のロジックは Claude に Dart に変換させる。

多くの場合、第一層で終わる。これで困らない。

具体例:現場で動く CLI / Flet アプリ

写真整理以外にも、第一層・第二層で完結する実用アプリは多い。

CLI で十分なもの:

• invoice — 月末請求書一括生成:顧客マスタ(SQLite、第4章)+ Markdown テンプレ → pandoc で PDF を 100 通一括生成。uv tool install invoice で配布
• minutes — 議事録自動整形:録音 .m4a を受け取り、Whisper でテキスト化 → Claude API で Markdown 整形 → 要点抽出
• expense — 領収書を CSV/JSON 化:写真を OCR → 仕分け → freee/MoneyForward 形式の JSON で出力(CSV ではなく、第4章)
• syllabus — 単元別練習問題生成(教師向け):単元の YAML 仕様 → 30 種類の問題を Claude が生成 → Markdown で出力 → pandoc で印刷用 PDF
• fieldlog — 農作業日報(農家向け):スマホ写真と一言メモを 受け取り、Markdown 日記化 → SQLite に蓄積 → 月別の作業時間集計
• legalsearch — 過去案件検索(弁護士向け):Markdown 化した 過去案件を Claude で要約・分類、新規案件の参考に

Flet が要るもの(操作する人が技術者でない、または視覚的フィード バックが要る):

• 介護記録入力:介護士のタブレットで動く、入居者を選んで一言 入力、写真を撮る → ローカルの SQLite に保存 → 夜間に miniPC へ 同期(第4章・第2章のセルフホスト)
• 農家の畑管理マップ:畑の地図上で区画をタップ、その区画の作付け 履歴を表示・入力 → SQLite ローカル + 母屋の miniPC に同期
• 学童の読書記録:子どもが読んだ本をタイトル + 感想で記録、 保護者が後から見られる、教師が個別に推薦本を返す
• 小売店の棚卸し:商品コード(QR)を撮影 → SKU 自動認識 → 数量入力 → SQLite で集計、最終的に OnlyOffice .xlsx で出力

第三層 Flutter が要る場面:App Store / Play Store 配布が必須 (顧客向けのアプリ、有償販売)── これは少ない。社内・自分用なら ほぼ第一層か第二層で足りる。

すべて、第1章の Python と第4章の SQLite/JSON を そのまま使う。 新しい何かを覚える必要は無い、別のフレームワーク文化に入る必要も ない。「同じやり方で全領域に伸ばす」(序章) の具体形だ。

実例: 数字で見る

写真整理アプリ(撮影日でフォルダ分け):

• CLI で書く: 30 行の Python、開発時間 30 分、配布は GitHub に置くだけ
• iOS アプリで作る: Swift で 200 行、Xcode 環境 50 GB、App Store 審査 1 週間、年会費 $99

開発環境のディスク使用量:

• Flutter: Android Studio + Flutter SDK + Xcode で 約 50 GB
• Flet: Python 環境だけで 約 100 MB(Flutter 配布が必要なときのみ展開)
• CLI ツール: 20 MB

CLI ツールの作成と配布: 1 時間で書いて、uv tool install(または pip install)で世界中の Python ユーザーに即配布。同じ機能を「アプリ」として配るには、3 つの App Store の審査と 2 つの SDK が要る。2 週間以上の差。

CLI で動く処理を Flet で GUI 化する追加コスト: Flet ライブラリのインストールと数十行の追加コード、1 時間。Flutter で書き直すなら 1 ヶ月。

まとめ

アプリは、CLI から始める。

CLI で動くものを作って、検証する。GUI が要れば Flet で載せる。クロスプラットフォーム配布が要れば Flutter に進む。

段階を上がるたびに、CLI で書いた処理コードが活きる。AI が書きやすい層から始めて、必要に応じて広げる。これが AI ネイティブなアプリ開発だ。

次の章では、組み込みを作る話に進む。「Python で考え、Claude に C に翻訳させる」── ハードウェアと AI のはなし。

関連記事

• 第8章: Webを作る ── HTML+CSS+JavaScriptという原点回帰
• 第2章: 処理を書く ── AIにPythonで書いてもらう
• 構造分析15: Mythos時代のセキュリティ設計

実例

再現可能なソース・コマンド・実測結果を、別ページにまとめてある。

• 実例 1 — 写真を撮影日でフォルダ分けする CLI ツール
• 実例 2 — `click` で業務メモ CLI(add/list/search/stats/export)