🔥
少人数で3つのWebアプリを支える技術 - Hono × Cloudflare で実現する最高のDeveloper Experience

2025/08/31に公開
 はじめにこんにちは、株式会社bestieeでエンジニアをしているyuuuminです。
私たちは「ベストティーチ」という家庭教師サービスを運営しています。保護者向け・講師向け・管理者向けの3つのWebアプリケーションをLINE上で提供しています。
https://best-teach.jp/
主な機能として、認証、講師の検索、授業依頼〜完了までの一連のフロー、チャット機能（画像・PDF添付対応）、LINE通知・リマインド機能、Stripeによる自動引き落とし・請求システム、レビュー・評価システムなどを提供しています。
開発は少人数のチームで行っており、大部分を私が担当しています。この記事では、限られたリソースでいかに効率的な開発環境を構築したかをお話ししていきます。

 技術選定の背景サービス立ち上げ時、スタートアップの初期段階で最も重要だったのは、初期コストを抑えながら、将来的な拡張性を見越した技術スタックを選ぶことでした。
少人数のチームで開発するため、コンテキストスイッチを最小化し、開発速度を上げる必要がありました。また、バックエンドもフロントエンドもTypeScriptで統一することで、全体の開発効率を高めたいと考えていました。
様々なサービスを検討した結果、Cloudflare Workers + Hono + TypeScriptモノレポという組み合わせにたどり着きました。
https://hono.dev/
https://www.cloudflare.com/

 なぜCloudflare Workersなのか当初、Vercel、AWS、GCPなども検討しました。
Vercelは商用利用にProプラン（$20/月）が必要で、ファンクションの実行時間や帯域幅にも制限があります。他のクラウドサービスも、それぞれインフラの設定・管理の複雑さやコスト面での課題がありました。
Cloudflare Workersが魅力的だったのは、無料枠から始められ、必要に応じてPaid Plan（$5/月）へ移行でき、さらに従量課金制でスケールできる点でした。世界中のデータセンターで実行されるため、ユーザーがどこにいても低レイテンシでアクセスできます。
特に印象的だったのは、Workers、KV、R2、Queuesといった必要な機能が同じプラットフォームで提供されていることです。AWSやGCPでも同様のサービスは提供されていますが、Cloudflareはよりシンプルで、設定も簡単でした。
ただし、Cloudflare WorkersにはEdge Runtimeの制約があります。Node.jsの一部のAPI（fs、child_processなど）が使えず、ネイティブバイナリを含むライブラリも動作しません。実際に利用を予定していたFirebaseなどのライブラリが動作せず苦労しました。

 HonoとTypeScriptで統一した理由開発を開始した当時は、Honoが流行り始めていたタイミングでした。「Edge Runtimeで動く」ことで注目を集めており、Cloudflare Workersとの相性の良さが話題になっていました。
Honoを選んだ理由は、薄く依存できるという点が大きかったです。フレームワーク自体が軽量で、将来的に他のフレームワークへ移行する必要が出てきても、ロックインが少ないという安心感がありました。
さらに、TypeScriptの型定義が充実しており、開発体験が素晴らしかったこと。そして、zod-openapiとの統合により、OpenAPIスキーマから型を自動生成できることが魅力的でした。
私たちはHonoをライトに使いつつ、Cloudflareとの相性の良さを最大限活かす形で活用しています

 Hono × Drizzleで実現した高DXアーキテクチャ実際のAPIファイルを見ていただくと、私たちの独自アーキテクチャの威力が分かります。
// apps/server/src/routes/api/teacher/v1/weekly-schedules/getTeacherWeeklySchedules.ts
import { schema } from '@best-teach-web/schema/drizzle'
import { z } from '@hono/zod-openapi'
import { createSelectSchema } from 'drizzle-zod'

const app = newApp()

// Drizzleスキーマから型安全にレスポンススキーマを生成
const GetTeacherWeeklySchedulesResponseSchema = createResponseSchema(
  z.array(
    createSelectSchema(schema.teacherWeeklySchedule)
      .pick({
        dayOfWeek: true,
        status: true,
      })
      .openapi('GetTeacherWeeklySchedulesResponse')
  )
)

// 独自のcreateApiRouteでルート定義
const route = createApiRoute({
  method: 'get',
  path: '/api/teacher/v1/teachers/weekly-schedules',
  operationId: 'getTeacherWeeklySchedules',  // これがクライアントの関数名になる
  responses: {
    [HTTP_STATUS.OK]: {
      description: HTTP_STATUS_MESSAGE[HTTP_STATUS.OK],
      content: {
        'application/json': {
          schema: GetTeacherWeeklySchedulesResponseSchema,
        },
      },
    },
  },
})

// 実際のハンドラー実装
app.openapi(route, async (c) => {
  // c.varで認証情報やDBインスタンスを引き回す
  const authService = new TeacherAuthService(c)
  const teacherId = await authService.getId(c.var.provider, c.var.providerAccountId)

  const weeklyScheduleService = new WeeklyScheduleService(c.var.db)
  const weeklySchedules = await weeklyScheduleService.getTeacherWeeklySchedules(teacherId)

  // ok関数でレスポンスを返す（型チェックされる）
  return ok(c, {
    data: weeklySchedules,
  })
})

 型安全性を実現する仕組み
 Drizzle × zodによる型の自動導出DBスキーマから直接zodスキーマを生成できるのが最大の特徴です。
// DBスキーマから直接zodスキーマを生成
const TeacherSchema = createSelectSchema(schema.teacher)
  .pick({
    id: true,
    firstName: true,
    lastName: true,
    email: true,
    // 必要なフィールドだけpick
  })
  .extend({
    school: createSelectSchema(schema.school).pick({
      id: true,
      name: true,
    }),
  })
DBスキーマの変更が即座にAPIレスポンスの型に反映されます。型と実際のAPIレスポンスが一致していなければ、即座にTypeScriptのエラーとして検知されます。

 c.varによるコンテキスト管理Honoのc.varを活用して、ミドルウェアで設定した値をハンドラーで利用できます。
// ミドルウェアで認証情報をセット
app.use('*', authMiddleware)

// ハンドラーで利用
app.openapi(route, async (c) => {
  const userId = c.var.userId  // 型安全にアクセス
  const db = c.var.db          // DBインスタンス
  const env = c.var.env        // Cloudflare環境変数
})

 フロントエンドアーキテクチャ
 shadcn/ui × Tailwind CSSフロントエンドフレームワークにはNext.jsを採用していますが、正直なところNext.jsの強みを十分に活かせているとは言えません。
それよりも、UIコンポーネントライブラリとして採用したshadcn/uiが大きな成功でした。shadcn/uiの最大の特徴は、コンポーネントのコードを直接プロジェクトにコピーして使うという点です。これにより、1ファイルにまとまったコンポーネントをAIに読み込ませやすく、AI駆動開発との相性が抜群でした。
https://ui.shadcn.com/

 デザインシステムとTailwindの相性優秀なデザイナーがデザインシステムを構築してくれたことも大きかったです。Tailwind CSSは、デザインシステムとの相性が抜群でした。
デザイナーがFigmaで定義したデザイントークン（カラー、タイポグラフィ、スペーシングなど）を、そのままTailwindの設定ファイルに落とし込めます。これにより、デザインと実装の間にギャップが生まれません。
// packages/tailwind-config/tailwind.config.ts
export const TEXT_STYLES = {
  // システムタイポグラフィ
  system: {
    'h1-emphasized': { fontSize: '20px', fontWeight: '600' },
    'body': { fontSize: '14px', fontWeight: '400' },
    'caption': { fontSize: '12px', fontWeight: '400' },
  },
}

// カラーパレット
colors: {
  'color-gray': {
    25: 'rgb(var(--gray-25) / <alpha-value>)',
    50: 'rgb(var(--gray-50) / <alpha-value>)',
    // ... 13段階のグレースケール
  },
  'color-blue': {
    dark: 'rgb(var(--blue-dark) / <alpha-value>)',
    strong: 'rgb(var(--blue-strong) / <alpha-value>)',
    light: 'rgb(var(--blue-light) / <alpha-value>)',
    pale: 'rgb(var(--blue-pale) / <alpha-value>)',
  },
  // セマンティックトークン
  icon: {
    primary: 'rgb(var(--icon-primary) / <alpha-value>)',
    secondary: 'rgb(var(--icon-secondary) / <alpha-value>)',
  }
}

 OrvalによるAPIクライアント自動生成Orvalは、OpenAPIスキーマからTypeScriptのAPIクライアントを自動生成するツールです。私たちの構成では、TanStack QueryのHooksまで自動生成されます。
https://orval.dev/

 Orvalの設定// packages/api/src/teacher/v1/orval.config.ts
export default {
  teacher: {
    input: {
      target: 'http://localhost:5000/openapi.json',
    },
    output: {
      client: 'react-query',
      override: {
        mutator: {
          path: './custom-instance.ts',
          name: 'customInstance'
        }
      }
    }
  }
}

 生成されるコード// packages/api/src/teacher/v1/weekly-schedules.ts (自動生成)
export function useGetTeacherWeeklySchedules<
  TData = Awaited<ReturnType<typeof getTeacherWeeklySchedules>>,
  TError = ErrorResponse | ErrorResponse | ErrorResponse | ErrorResponse | ErrorResponse,
>(
  options: {
    query: Partial<
      UseQueryOptions<Awaited<ReturnType<typeof getTeacherWeeklySchedules>>, TError, TData>
    > &
      Pick<
        DefinedInitialDataOptions<
          Awaited<ReturnType<typeof getTeacherWeeklySchedules>>,
          TError,
          Awaited<ReturnType<typeof getTeacherWeeklySchedules>>
        >,
        'initialData'
      >
    request?: SecondParameter<typeof teacherClient>
  },
  queryClient?: QueryClient,
): DefinedUseQueryResult<TData, TError> & { queryKey: DataTag<QueryKey, TData, TError> }

// フロントエンドで使用
const { data, isLoading } = useGetTeacherWeeklySchedules()
Orvalが優れているのは、単にAPIクライアントを生成するだけでなく、TanStack QueryのHooksまで自動生成してくれる点です。APIの型が自動的にフロントエンドに伝播し、完全な型安全性が保証されます。
さらに、axios instanceやエラーハンドリングをカスタマイズできるため、認証トークンの自動付与やエラー時のリトライ処理なども統一的に実装できます。

 Prismaから Drizzleへの移行開発初期、ORMとしてPrismaを採用し、Cloudflare Workersで動かすための様々な方法を模索しました。
バンドルサイズの問題やPrisma Data Proxyの設定など、様々な課題に直面しました。
一時期は私が以前書いた記事で紹介した方法も試しました。
https://zenn.dev/yu_3in/articles/c3787b3fc29546
この方法により、実際に開発環境では動作するようになりましたが、本番運用を見据えた時、複雑なインフラアーキテクチャは将来的な保守性に不安がありました。

Prisma Data ProxyやAccelerateのような追加レイヤーが必要になることで、システム全体の複雑性が増し、障害ポイントも増えてしまいます。
そこで、Cloudflare Workersでネイティブに動作するDrizzleへの移行を決断しました。
ただし、Prismaのスキーマ定義の書き心地は個人的に捨てがたく、既にPrismaで書いていたスキーマをDrizzleに移行するコストも高かったため、以下の方法を採用しました。
// Prismaでスキーマを定義
model Schedule {
  id         String   @id @default(cuid())
  teacherId  String
  date       DateTime
  startTime  String
  endTime    String
  status     ScheduleStatus

  @@index([teacherId, date])
}
drizzle-prisma-generatorを使って、PrismaスキーマからDrizzleスキーマを自動生成します。
https://github.com/drizzle-team/drizzle-prisma-generator
// package.json
{
  "scripts": {
    "db:generate": "prisma generate && drizzle-prisma-generator"
  }
}
生成されたDrizzleスキーマは、createSelectSchemaと組み合わせることで、API定義で直接使えるzodスキーマになります。これにより、DB → ORM → API → クライアントまで完全に型安全な開発が実現できました。

 モノレポ構成の威力モノレポを採用したことで、開発効率が劇的に向上しました。
best-teach-web/
├── apps/
│   ├── parent-web/    # 保護者向け
│   ├── teacher-web/   # 講師向け
│   ├── admin-web/     # 管理者向け
│   └── server/        # API (Hono)
├── packages/
│   ├── api/           # 自動生成されたクライアント
│   ├── ui/            # 共通コンポーネント
│   └── schema/        # DB定義
└── CLAUDE.md          # 開発ガイドライン

 コンポーネントの共通化parent-webとteacher-webには、予約カレンダーやレッスン詳細画面など、似たようなUIが多く存在します。これらをpackages/uiに共通コンポーネントとして切り出すことで、一度の実装で両方のアプリに機能を提供できます。
例えば、レッスンステータスを表示するバッジコンポーネントは両アプリで使われていますが、デザインやロジックの変更は一箇所で行うだけで、全体に反映されます。

 型の一貫性と即座のフィードバック型の変更が即座に全体に伝播することの威力は計り知れません。
例えば、レッスンテーブルに新しいカラムを追加すると、その瞬間にサーバー側のAPI実装からフロントエンドのUIコンポーネントまで、関連する全ての箇所で型エラーが発生します。
// Drizzleスキーマのレッスンテーブル
model lesson {
  id String @id @default(cuid(2)) // 授業ID
  status LessonStatus // ステータス
  startAt DateTime? @map("start_at") // 授業開始日時
  endAt DateTime? @map("end_at") // 授業終了日時
  // 新しいカラムを追加
  parentRating: Int? @map("parent_rating"),  // 保護者の評価
}

// → 即座に全アプリで型エラーが発生し、対応箇所が明確に

 AIとの相性の良さモノレポの真価は、AIを使った開発で最大限に発揮されます。
単一のリポジトリにすべてのコードが含まれているため、AIは全体のコンテキストを理解した上で、サーバーとUIの両方を同時に修正できます。「新しいAPIエンドポイントを追加して、それを使うUIも実装して」という要求に対して、AIは一貫性のあるコードを生成してくれます。
これは後述するCLAUDE.mdと組み合わせることで、さらに強力な開発支援となります。

 CLAUDE.mdによるAI駆動開発私たちはCLAUDE.mdという開発ガイドラインを整備し、Claude Codeとの協働開発を効率化しています。

 CLAUDE.mdの内容例## APIの実装規約
- 必ず既存の類似APIを参照
- createApiRouteヘルパーを使用
- API変更後は必ず `pnpm orval` を実行

## Drizzle ORMの使い方
- SQLクエリはDrizzle構文で記述
- トランザクションはサービスメソッドに渡す
- Prismaスキーマから自動生成される仕組み

## モノレポでの開発フロー
- 機能開発は server → api → frontend の順
- 型エラーは `pnpm typecheck` で検知
- 共通コンポーネントは packages/ui に配置

 AIによる開発支援の実例CLAUDE.mdがあることで、AIも独自アーキテクチャを理解してコードを生成します。
例えば、新しいAPIを作る際、CLAUDE.mdがない場合、AIは通常のHonoルートを書いてしまい、createApiRouteを使わないことがあります。すると、共通のエラーハンドリングが適用されず、ok()やnotFound()といった独自のヘルパー関数も使われません。結果として、一貫性のないコードになってしまいます。
また、Drizzleの代わりに生のSQLを書いてしまったり、Orvalの再生成を忘れてしまったりすることもあります。
CLAUDE.mdを整備することで、AIはプロジェクト固有のルールを理解し、一貫性のあるコードを生成してくれるようになりました。

 まとめTypeScriptモノレポとCloudflareエコシステムの組み合わせは、少人数チームにとって最適な選択でした。月額数千円で3つのWebアプリケーションを安定運用できています。
何より、HonoとDrizzleによる型安全な開発、Orvalによる自動生成、CLAUDE.mdによるAI駆動開発により、開発体験が劇的に向上しました。
ベストティーチは今後も急速に成長していきます。この技術スタックがどこまでスケールするか、引き続き検証していきたいと思います。
GitHubで編集を提案
はじめに

技術選定の背景

なぜCloudflare Workersなのか

HonoとTypeScriptで統一した理由

Hono × Drizzleで実現した高DXアーキテクチャ

型安全性を実現する仕組み

Drizzle × zodによる型の自動導出

c.varによるコンテキスト管理

フロントエンドアーキテクチャ

shadcn/ui × Tailwind CSS

デザインシステムとTailwindの相性

OrvalによるAPIクライアント自動生成

Orvalの設定

生成されるコード

Prismaから Drizzleへの移行

モノレポ構成の威力

コンポーネントの共通化

型の一貫性と即座のフィードバック

AIとの相性の良さ

CLAUDE.mdによるAI駆動開発

CLAUDE.mdの内容例

AIによる開発支援の実例

まとめ

Discussion
