AI Agent Engineer

AI Agent Engineer SDLC Automation Platform · AI Agent Team 역할 요약 운영 이슈, 모니터링 신호, 사용자 요청, 그리고 코드·데이터·인프라 컨텍스트를 AI agent가 이해하여 안전한 작업(ticket / proposal / workflow)으로 전환하는 SDLC automation 플랫폼을 만듭니다. 단순 챗봇 개발이 아니라, 실제 운영 환경에서 여러 사용자의 요청을 안전하게 처리하고, 코드 변경과 CI/CD 결과까지 추적하는 agentic system을 설계·구현하는 역할입니다. 주요 업무 AI agent의 turn loop, tool-use flow, streaming 응답, error recovery 설계 및 개선 agent가 사용할 수 있는 tool 계약 관리 (schema, versioning, 권한, scope) ticket·incident·proposal·인프라·코드·모니터링 컨텍스트에 대한 context retrieval(RAG / 그래프 기반) 전략 설계 과도한 tool 호출, 대용량 결과, 잘못된 상태 전이, 민감정보 노출을 막는 guardrail 구현 코드 변경 워크플로우 연동 (ticket handoff, repo context, test generation, PR status, CI/CD loopback) 자동 테스트·coverage·E2E·CI status를 agent workflow에 연결 agent 실행 로그, tool-call telemetry, 실패 패턴, 비용·token budget, 품질 지표 수집 및 개선 다양한 LLM provider abstraction 운영, 모델별 동작 차이를 제품 품질로 흡수 draft / approval / execution 상태 분리 및 human-in-the-loop UX 설계 검증 가능한 agent system을 위한 unit / integration / golden trace / e2e 테스트 작성 필수 역량 Python 또는 TypeScript 기반 backend system을 프로덕션 수준으로 설계·운영한 경험 LLM tool-use / function calling / agent loop / structured output을 실제 제품에 적용한 경험 REST API, JSON Schema, 인증(OAuth/API key), webhook, 비동기 워크플로우(SSE/queue) 이해 RAG, semantic search, 그래프·컨텍스트 retrieval 중 하나 이상의 실무 경험 복잡한 상태 기계를 안전하게 설계한 경험 (approval/execution state, retry, idempotency, 동시성 제어 등) 테스트 자동화 경험 (pytest, Playwright, CI/CD checks, coverage 등) 보안 기본기 (secret redaction, 최소 권한, audit logging, replay protection, tenant 격리) GitHub Actions 또는 Azure DevOps 기반 PR/CI/CD 워크플로우 이해 우대 역량 MCP(Model Context Protocol) 또는 유사 tool orchestration 프로토콜 경험 agent framework 사용을 넘어 직접 agent runtime을 설계해본 경험 multi-tenant SaaS, developer tools, observability, incident management, CI/CD 플랫폼 개발 경험 Code agent, test generation, automated refactoring, PR automation 관련 경험 클라우드 인프라(Kubernetes, AWS 등) 및 Postgres 기반 event/audit 모델 설계 경험 LLM evaluation, golden dataset, regression trace, prompt 실험 체계 구축 경험 보안/금융/엔터프라이즈 환경에서 AI governance 또는 compliance 경험 이 역할의 핵심 판단 기준 agent가 실제 ticket, repo, DB, CI/CD, 운영 이슈와 직접 연결되므로, 생산성보다 먼저 정확성·재현성·감사 가능성·안전한 실행 경계가 중요합니다. “AI가 알아서 하게 한다”가 아니라, LLM output을 검증 가능한 시스템 경계로 감싸는 엔지니어링 태도를 중요하게 봅니다. 성과 기대치 1개월 플랫폼의 agent / tool 구조를 이해하고, read-only tool 또는 소규모 개선 작업을 배포 기존 guardrail과 ticket lifecycle 경계 파악 2개월 신규 agent workflow 하나를 설계·구현 (테스트·문서 포함) telemetry · context retrieval · failure recovery 중 하나의 품질 지표 개선 3개월 incident → proposal → ticket → 코드 변경 handoff → PR/CI loopback 중 핵심 구간 하나를 end-to-end로 책임 다중 사용자 환경에서 안정적인 agent 실행 경로 운영 지원자격 (필수)한국 오피스(서울)에서 대면(On-site) 근무가 가능한 분한국어로 원활한 업무 커뮤니케이션이 가능한 분읽기, 쓰기, 말하기 모두 능통외국인의 경우 TOPIK 6급 이상 필수