(相互運用の実例・導入判断・まとめ)=
# 相互運用の実例・導入判断・まとめ

## この章で学ぶこと

- Mojo から NumPy などを呼ぶ例
- Mojo が向いている場面
- 次に取るとよい一歩

この章は、ここまでのまとめです。

ここまで読んだうえで、

- 実際にどう使い始めるか
- どんな場面に向いているか
- どこは慎重に見るべきか

を整理します。

## Mojo から Python を呼ぶ

まずは、Mojo から Python を呼ぶ簡単な例です。

```mojo
from std.python import Python

def main() raises:
    np = Python.import_module("numpy")
    array = np.array(Python.list(1, 2, 3))
    print(array)
```

出力:

```text
[1 2 3]
```

この例でわかるのは次の点です。

- Mojo から Python モジュールを使える
- NumPy のような既存資産をそのまま活かせる
- いきなり全部を書き直さなくてよい

ここで大事なのは、**Mojo を導入するときに Python 資産を捨てなくてよい** ことです。

ただし、Python を呼んだ部分は CPython の世界に戻ります。
そのため、そこが自動で高速化されるわけではありません。

つまり、**どこまでを Mojo で持ち、どこで Python を呼ぶか** が設計のポイントになります。

出典: [Python interop](https://docs.modular.com/mojo/manual/python/) / [Calling Python from Mojo](https://docs.modular.com/mojo/manual/python/python-from-mojo/)

> **補足:** 段階導入しやすいのは、現時点の Mojo の大きな強みです。

## 導入判断

| 向く | 向かない | まず試す場所 |
|------|---------|-------------|
| Python で性能限界が見えている処理 | 一般アプリ全体の全面置換 | NumPy interop を試す |
| 数値計算・低水準な処理 | Python の動的な感覚をそのまま期待 | hot path を 1 本だけ Mojo 化 |
| カーネル寄りのコード | すぐに強い安定性が必要な場合 | Quickstart を動かす |
| CPU / GPU / AI accelerator を見据える処理 | | `uv` や `pixi` で環境を作る |
| Python 資産を残したまま部分高速化 | | |

**性能が課題になっている場所を部分的に置き換えたいとき**が相性のよい場面です。
「何でもすぐ Mojo に置き換える」より、用途をしぼって試すほうが現実的です。

出典: [FAQ](https://docs.modular.com/mojo/faq/) / [Roadmap](https://docs.modular.com/mojo/roadmap/) / [Path to Mojo 1.0](https://www.modular.com/blog/the-path-to-mojo-1-0)

> **補足:** Python の弱点がそのまま Mojo の検討ポイントになる、と捉えるとよいでしょう。

## まとめ

- Mojo は Python に似た入口を持つが、本質は ownership / value semantics / compile-time specialization にある
- traits / generics は型安全だけでなく性能にも関わる
- Python interop が強いので段階導入しやすい
- 向いているのは性能が課題のある処理。一般用途の全面置換は慎重に
- 最初の一歩は PoC や限定導入から始めるのが現実的

出典: [Install](https://docs.modular.com/mojo/manual/install/) / [Manual](https://docs.modular.com/mojo/manual/) / [Python interop](https://docs.modular.com/mojo/manual/python/)

**Mojo は Python の書きやすさを入口にしつつ、性能・安全性・ハードウェア制御の世界へ段階的に進むための言語です。**