AI Implementation Engineer / Solutions Engineer

Описание вакансии

компания "копылов евгений анатольевич"

о продукте и стеке

мы создаём b2b-платформу автономных ии-агентов для рынка сша. агенты ведут многошаговые рабочие процессы с несколькими участниками — со сроками, документами и перепиской — и выполняют действия во внешних системах: электронная почта, crm, календари, документы. ключевые действия проходят через подтверждение человеком.

стек: python 3.12+ (asyncio, строгая типизация, pydantic v2), fastapi, sqlalchemy, postgresql, redis, docker, ci/cd, облачная инфраструктура, mcp. используем managed-модели anthropic, openai и google через api и sdk.

модель работы — ближе к forward deployed engineer: значительная часть внедрений идёт в инфраструктуре клиентов, с их данными и системами. это означает работу с секретами (vault или аналог), доступ по принципу минимальных привилегий, аудит каждого действия агента и прямое обсуждение архитектуры с инженерной командой клиента.

что предстоит делать

проектировать агентные системы. модель выполнения, декомпозиция задач, управление состоянием, контекстом и памятью, набор инструментов, оркестрация и передача задач между агентами. участие человека, подтверждение действий, модель отказов и границы автономности — до начала реализации.
разрабатывать ядро агентов. циклы работы агента, вызов инструментов, структурированный вывод, навыки, хуки, планирование и многоагентные процессы на python.
создавать защищённый доступ к данным и действиям. mcp-серверы, a2a-взаимодействие, api и интеграционные модули. идентификация агентов, oauth, разграничение прав, least privilege, проверка вызовов инструментов, идемпотентность, аудит действий.
строить серверную часть для production. асинхронные и событийные сервисы, очереди, длительные фоновые задачи; вебхуки и потоковая передача. контейнеризация, ci/cd, развёртывание в облачной или клиентской инфраструктуре.
обеспечивать измеримое качество. стратегия evals и эталонные наборы, регрессионные тесты, анализ трасс; retry, timeout, резервные сценарии, ограничения поведения и мониторинг — как часть жизненного цикла решения.
проводить техническое обследование вместе с клиентом. разбор фактического процесса, данных, ограничений и систем; перевод неоднозначной бизнес-задачи в архитектуру, план внедрения, критерии приёмки и измеримый эффект.
доводить внедрение до устойчивой работы. прототипы на реальных сценариях, архитектурные решения с командой клиента, запуск в production и ответственность за технический результат после запуска.
возвращать опыт внедрений в платформу. повторяемые навыки агентов, интеграционные модули, схемы развёртывания; технические выводы для масштабирования решений на других клиентов.

первые 90 дней

довести первое клиентское внедрение от обследования процесса до production с согласованными критериями приёмки.
разработать mcp-серверы и интеграционные модули для двух-трёх корпоративных систем клиента.
заложить стандарты интеграционного слоя платформы: идентификация агентов, разграничение прав, идемпотентность, аудит действий.

обязательные требования

по каждому пункту на интервью спросим детали и артефакты.

• лично довели llm- или агентную систему до production: разберёте архитектуру, ограничения, собственный вклад и показатели после запуска.
• разрабатывали mcp-серверы или эквивалентные tool-интеграции с контролем полномочий агента — жёсткое требование, спросим детали реализации.
• python на уровне production: asyncio, типизация, pydantic v2, sqlalchemy, тестирование, проектирование api, обработка ошибок, конкурентное выполнение.
• production-инфраструктура: fastapi, postgresql, redis, очереди, docker, ci/cd, наблюдаемость, облачные сервисы.
• самостоятельная работа с бизнес-заказчиком: обследование процессов, уточнение требований, защита технических решений, доведение до согласованных критериев результата.
• английский b2 или выше: общение с инженерными командами клиентов.

будет преимуществом

• опыт в роли forward deployed engineer, ai deployment engineer или applied ai engineer с личной ответственностью за production-внедрение.
• внедрение агентных систем в регулируемой, высоконагруженной или многопользовательской среде.
• a2a-взаимодействие и многоагентная оркестрация в production.
• вклад в открытые агентные фреймворки, mcp-серверы, sdk или инструменты оценки качества.

условия

• полная занятость, удалённая работа. синхронное окно команды: с 10:00–11:00 до 20:00–21:00 мск.
• сложные инженерные задачи на стыке архитектуры агентных систем, backend-разработки, интеграций и production ai.
• высокая самостоятельность в инженерных решениях; оценка по результату.

как откликнуться

вместо стандартного сопроводительного письма:

• разберите одно production-внедрение ии-агента, за которое отвечали лично: бизнес-процесс и критерии успеха, архитектура и стек, инструменты и внешние системы, реализованные вами компоненты, подход к evals и безопасности, результат после запуска. приложите верифицируемые артефакты: github, работающие продукты, архитектурные разборы.
• ответьте на вопрос: спроектируйте безопасную выдачу агенту права отправлять письма от имени клиента — идентификация агента, ограничение полномочий, подтверждение человеком, идемпотентность при повторных попытках, аудит. эскиз архитектуры на 10–15 предложений.
• опишите, что в этом внедрении не получилось и почему.

отклики из общих формулировок без верифицируемых артефактов не рассматриваются.

Метки