Agent Platform - Applied AI Engineer

포지션 소개

저희는 에이전트가 실제 업무에서 안정적으로 실행되고, 실행 경험을 바탕으로 스스로 개선되는 RSI(Recursive Self-Improvement) 플랫폼을 개발합니다.

에이전트를 실제 업무에 적용하고 안정적으로 운영하기는 어렵습니다. 모델의 확률적 특성과 실행 환경의 변화로 같은 요청에도 다르게 동작할 수 있어, 실행 과정을 추적하고 실패 원인을 파악하는 데 많은 시간과 노력이 듭니다. 수정 후 실제로 나아졌는지 검증하는 데도 많은 수작업이 필요합니다.

에이전트를 격리된 환경에서 장시간 안정적으로 실행하고, 중단된 작업을 복구하며, 모델·도구 호출과 상태 변화를 기록합니다. 이 기록을 바탕으로 실패를 재현하고 변경 전후를 비교해, 에이전트가 스스로 개선할 지점을 찾고 그 효과를 검증할 수 있게 하는 것이 플랫폼의 핵심 과제입니다.

이 포지션은 에이전트 런타임·하네스·실행 인프라를 아우르는 실행 기반과, 실행 기록을 평가와 개선으로 연결하는 자기 개선 체계를 설계하고 개발합니다.

주요 업무

• 에이전트 실행 런타임을 개발합니다. 세션 라이프사이클, 취소와 타임아웃, 재시도, 중단된 작업의 재개, 오류 처리를 다룹니다.

• 에이전트 정의와 실행을 관리하는 백엔드 API와 컨트롤 플레인을 설계하고 개발합니다.

• 에이전트가 격리된 환경에서 실행되도록 컨테이너 기반 실행 구조를 만들고 운영 가능하게 다듬습니다.

• 세션 상태와 메모리 계층을 설계하고, 저장과 조회 경로를 안정화합니다.

• 모델·도구 호출과 상태 변화를 담은 트라젝토리와 서빙·인프라 지표를 수집하고, 실패 원인 추적과 재실행·비교에 필요한 실행 추적 체계를 구축합니다.

• 에이전트가 트라젝토리와 지표를 분석해 개선안을 도출하고, 재실행·A/B 비교로 성능·비용 개선 효과를 검증해 반영하는 자기 개선 흐름을 구축합니다.

자격 요건

• Python 등으로 프로덕션 백엔드 API를 설계하고 운영한 경험이 있는 분

• 비동기·이벤트 기반 시스템에서 상태 관리와 장애 복구를 고려해 설계한 경험이 있는 분

• LLM API의 streaming, structured output, tool calling을 실무에서 다뤄본 분

• 컨테이너 기반 실행과 격리 모델을 이해하는 분

• 제품 요구사항을 구체적인 API와 데이터 모델로 설계하고 구현할 수 있는 분

우대 사항

• 에이전트 SDK나 오케스트레이션 프레임워크로 서비스를 만들어 프로덕션에서 운영한 경험

• 워크플로우 엔진, 장시간 실행 작업 등 실행 신뢰성이 중요한 시스템을 개발한 경험

• LLM 애플리케이션의 추적·관측 시스템을 구축한 경험

• RAG, 지식 그래프 또는 메모리 시스템을 개발·운영한 경험

• 평가 파이프라인이나 A/B 실험 체계를 만들어 운영한 경험