code-execution

コード実行

API アクセスを利用して、Python をローカルで実行します。一括処理で90～99％のトークンを節約できます。

使用するタイミング

• 一括操作（10 ファイル以上）
• 複雑な複数ステップのワークフロー
• 多数のファイルに対する反復処理
• ユーザーが効率やパフォーマンスに言及した場合

使用方法

Claude Code で Python を直接インポートします。

from execution_runtime import fs, code, transform, git

# Code analysis (metadata only!)
functions = code.find_functions('app.py', pattern='handle_.*')

# File operations
code_block = fs.copy_lines('source.py', 10, 20)
fs.paste_code('target.py', 50, code_block)

# Bulk transformations
result = transform.rename_identifier('.', 'oldName', 'newName', '**/*.py')

# Git operations
git.git_add(['.'])
git.git_commit('feat: refactor code')

インストールされていない場合： ~/.claude/plugins/marketplaces/mhattingpete-claude-skills/execution-runtime/setup.sh を実行します

利用可能な API

• ファイルシステム（fs）：copy_lines、paste_code、search_replace、batch_copy
• コード分析（code）：find_functions、find_classes、analyze_dependencies — メタデータのみを返します！
• 変換（transform）：rename_identifier、remove_debug_statements、batch_refactor
• Git（git）：git_status、git_add、git_commit、git_push

パターン

1. ローカルで分析する（ソースではなくメタデータのみ）
2. ローカルで処理する（実行中にすべての操作を行う）
3. 概要を返す（データではなく！）

例

一括リファクタリング（50 ファイル）：

from execution_runtime import transform
result = transform.rename_identifier('.', 'oldName', 'newName', '**/*.py')
# Returns: {'files_modified': 50, 'total_replacements': 247}

関数の抽出：

from execution_runtime import code, fs

functions = code.find_functions('app.py', pattern='.*_util$')  # Metadata only!
for func in functions:
    code_block = fs.copy_lines('app.py', func['start_line'], func['end_line'])
    fs.paste_code('utils.py', -1, code_block)

result = {'functions_moved': len(functions)}

コード監査（100 ファイル）：

from execution_runtime import code
from pathlib import Path

files = list(Path('.').glob('**/*.py'))
issues = []

for file in files:
    deps = code.analyze_dependencies(str(file))  # Metadata only!
    if deps.get('complexity', 0) > 15:
        issues.append({'file': str(file), 'complexity': deps['complexity']})

result = {'files_audited': len(files), 'high_complexity': len(issues)}

ベストプラクティス

✅ データではなく概要を返す ✅ code_analysis を使用する（ソースではなくメタデータを返します） ✅ 一括操作を行う ✅ エラーを処理し、エラー数を返す

❌ すべてのコードをコンテキストに返さない ❌ メタデータが必要なときにソース全体を読み込まない ❌ ファイルを 1 つずつ処理しない

トークン節約量

ファイル数	従来の方法	実行	節約量
10	5K tokens	500	90%
50	25K tokens	600	97.6%
100	150K tokens	1K	99.3%