Você atuará no desenvolvimento e expansão do ecossistema corporativo de agentes de inteligência artificial da empresa. Sua principal missão será desenvolver integrações e ferramentas MCP (Model Context Protocol) que conectam modelos de linguagem aos nossos sistemas internos (bancos de dados, APIs, ferramentas de chamados), além de configurar, testar e manter agentes autônomos e fluxos de automação em produção.
Responsabilidades e atribuições
- Desenvolvimento de Ferramentas MCP (Model Context Protocol): Criar servidores e ferramentas em Python para permitir que os modelos de IA consultem dados em tempo real (PostgreSQL, APIs REST, serviços corporativos).
- Engenharia de Prompts e Construção de Agentes: Modelar personas, instruções de sistema, guardrails e competências (skills) em plataformas de chat corporativo (ex: LibreChat) e gateways de mensageria (Microsoft Teams).
- Automação e Integrações: Conectar agentes e ferramentas a fluxos operacionais e webhooks (ex: n8n, APIs).
- Suporte à Infraestrutura e Deploy: Subir e gerenciar containers de novos agentes e ferramentas utilizando Docker e Docker Compose em ambiente Linux.
- Testes e Qualidade (Eval): Realizar baterias de testes práticos de agentes, validando alucinações, execução correta de function calling e consumo de tokens.
- Documentação Técnica: Documentar as ferramentas criadas, esquemas JSON das chamadas de ferramentas e guias de uso para outros times.
Requisitos e qualificações
- Python (Nível Intermediário/Prático):
- Facilidade em criar scripts, manipular JSON/dicionários, tratamento de erros e chamadas HTTP (requests, httpx).
- Noções de frameworks assíncronos ou web leves (FastAPI, FastMCP ou similares). Fundamentos de Banco de Dados & SQL:
- Capacidade de escrever queries SQL (SELECT, JOIN, filtros, agregações) para consulta de dados (PostgreSQL/MySQL). Noções Básicas de Infraestrutura & DevOps:
- Conhecimento prático de Linux (navegação em terminal, permissões, manipulação de arquivos, variáveis de ambiente).
- Uso prático de Docker & Docker Compose (subir containers, ler logs com docker logs, inspecionar redes básicas).
- Versionamento de código com Git (clone, checkout, branch, commit, push, PRs). Familiaridade com LLMs:
- Entendimento claro dos conceitos centrais: prompts de sistema vs. usuário, tokens, janelas de contexto, temperatura, embeddings e o conceito de Function Calling / Tools. Diferenciais
- Já ter construído ou experimentado com MCP (Model Context Protocol) da Anthropic/open-source.
- Experiência com ferramentas de automação visual / no-code para fluxos técnicos (ex: n8n).
- Familiaridade com ecossistemas de LLM corporativos (ex: LibreChat, LiteLLM, LangChain, LlamaIndex, CrewAI).
- Conhecimento básico sobre RAG (Retrieval-Augmented Generation), busca vetorial (pgvector) ou OpenSearch/Elasticsearch.
- Noções de reverse proxy (Nginx, Caddy ou NPM).
Prepare esta candidatura
Veja o match, prepare o currículo em PDF e Word para esta vaga, e só então vá ao site da empresa.