AI Platform Engineer
Polygon Labs — лидер индустрии, предлагающий работу над передовыми технологиями на стыке AI и Web3. Вакансия предполагает высокую степень автономности, удаленный формат и работу с самым современным стеком (Claude Code, Langfuse, MCP).
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сложность вакансии
Высокая сложность обусловлена требованием глубоких знаний как в классическом системном дизайне (5+ лет), так и в специфическом стеке AI-агентов (MCP, LLM Evals, LangSmith), а также необходимостью работы с безопасностью и инфраструктурой.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Предлагаемая роль AI Platform Engineer в международной компании уровня Polygon Labs предполагает зарплату выше среднего по рынку для Middle/Senior специалистов, учитывая узкую специализацию на AI-агентах. В США и Европе такие позиции оцениваются в диапазоне $140k-$200k в год.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Описание вакансии
Polygon Labs
AI Platform Engineer
Формат работы: удалённо (EMEA - Remote / USA - Remote)
*☑️* Чем предстоит заниматься
-Move agentic workflows into production, taking prototypes to robust systems for real users and owners, with SLAs (e.g. spec-to-PR agents, AI code review, incident triage, KYB review)
-Build and manage MCP servers, including system design, hosting, security, authentication (e.g. per-user OAuth), and keeping a clean connector inventory for Slack, GitHub, Jira, HubSpot, and internal services
-Develop autonomous agents that act and plan across tools through trust stages: shadow, suggest, execute, and autonomous
-Embed guardrails into the platform, providing each agent its own identity, scoped credentials, audit logs, CI checks, approval gates, allowlists, and least-privilege access
-Build evaluation frameworks (test sets, regression suites, live scoring in production) so every agent releases with quality metrics tied to business outcomes
-Instrument agents for observability: tracing, logging, latency, cost, drift detection, and daily dashboards for Operators
-Track AI spend across providers (Anthropic, OpenAI, OpenRouter), setting budgets, alerts, and spend attribution to teams, agents, and workflows
-Support Operators by developing features from their requests, writing documentation, running enablement sessions, and building self-service tools
-Create skills and plugins centralizing company knowledge (processes, standards, security, brand), versioning and reviewing these to ensure consistent, repeatable agent output
-Proactively find and automate manual, repetitive processes across the company, measuring outcomes and iterating rapidly
*☑️* Наши пожелания к кандидатам
-5+ years as a software, platform, or infrastructure engineer, including experience prior to AI coding tools. Solid grasp of system design, data modeling, testing, debugging, and code review
-6-12 months shipping LLM-based systems to production, with agentic workflows in use by real end users
-Daily, hands-on experience with AI coding agents like Claude Code and Codex to write, test, and review production code
-Experience building autonomous or multi-step agents with tool use (Claude Agent SDK, Anthropic/OpenAI APIs, or similar)
-MCP server experience (OAuth flows, scoped tokens, user-level access control)
-Identity and access experience: Okta (or similar IdP), SSO (SAML/OIDC), SCIM provisioning, group-based and device policies
-Creating automated system identities (GitHub Apps, service accounts, API keys, secret managers like 1Password)
-Designing guardrails: least-privilege, audit logs, CI checks, approval gates, allowlists, and policy-as-code
-Creating evals for LLM systems: test sets, rubrics, CI regression, release gates, and live production scoring
-Instrumenting production system observability: tracing, metrics, alerting, dashboards (OpenTelemetry, Grafana, Datadog, Langfuse, LangSmith, Braintrust)
-Tracking AI spend across vendors: per-key limits, cost centers, budgets, actionable alerts
-Strong in at least one of TypeScript, Python, Go; working knowledge of CI/CD (GitHub Actions/etc), cloud infrastructure
-Track record of independently identifying and automating manual processes (two or three concrete examples)
-Clear, concise written communication (specs, runbooks, RFCs)
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.

Навыки
- TypeScript
- Python
- Okta
- OAuth
- LLM
- GitHub Actions
- Grafana
- OpenTelemetry
- CI/CD
- System Design
- Go
- Datadog
- OpenAI API
- LangSmith
- Langfuse
- Anthropic API
- Braintrust
Возможные вопросы на собеседовании
Проверка опыта работы с протоколом Model Context Protocol и интеграцией внешних сервисов.
Расскажите о вашем опыте разработки MCP-серверов. С какими сложностями вы сталкивались при реализации OAuth-авторизации для конкретных пользователей?
Оценка понимания безопасности и контроля доступа в контексте AI-агентов.
Как вы проектируете систему привилегий для автономных агентов, чтобы соблюсти принцип наименьших полномочий (least-privilege access)?
Проверка навыков оценки качества работы LLM.
Какие метрики и фреймворки вы используете для создания регрессионных тестов и оценки качества ответов агентов в продакшене?
Оценка навыков мониторинга и контроля затрат.
Как вы организуете мониторинг дрейфа (drift detection) и атрибуцию затрат на токены между разными командами или проектами?
Проверка практического опыта автоматизации.
Приведите пример процесса, который вы автоматизировали с помощью AI-агентов: от выявления проблемы до измерения бизнес-результата.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.

