- Страна
- Казахстан
Senior Backend Engineer (AI Agents)
Оценка ИИОтличная вакансия для опытного инженера, желающего работать на острие технологий (AI Agents, MCP). Работа в крупном банке (BCC) обеспечивает стабильность и масштабные задачи.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Улучшите резюме под эту вакансию
Возьмём требования и создадим новую версию резюме с акцентом на нужный опыт
Сложность вакансии
Оценка ИИВысокая сложность обусловлена требованием глубоких знаний в области ИИ-агентов и протокола MCP, а также необходимостью проектирования сложных асинхронных систем с использованием Python 3.12+.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИЗарплата не указана, но для позиции Senior Backend Engineer в Алматы рыночный диапазон составляет от 1.2 до 2.0 млн тенге (в эквиваленте). Учитывая специфику AI, предложение может быть выше среднего по рынку.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Контакты для отклика
Откройте контакты, указанные в вакансии.
Описание вакансии
Алматы
Формат: гибрид
Senior Backend Engineer (AI Agents)
О роли
Разработка бэкенда агентной платформы: асинхронные микросервисы, инструментальный слой для LLM-агентов, интеграции с доменными сервисами.
*🧩* Задачи
Проектирование и разработка асинхронных микросервисов
Реализация tool layer для агентов: описание контрактов инструментов, валидация аргументов, идемпотентность, обработка ошибок и таймаутов
Интеграция доменных API в агентный контур
Участие в архитектурных решениях и code review
Требования
От 5 лет backend-разработки.
Стек: Python 3.12+, FastAPI, asyncio, Pydantic v2. Structured concurrency (TaskGroup)
Понимание агентов и MCP (обязательно)
Что такое MCP и как работает tool calling: как модель выбирает инструмент, как валидируется вызов, где возникают риски (prompt injection, эскалация полномочий через цепочку вызовов) и как их закрывать инфраструктурно.
Межсервисное взаимодействие: gRPC (protobuf, streaming), REST, событийная интеграция через Kafka.
Архитектура: Микросервисы, границы доменов, API Gateway, BFF. Умение защитить решение и объяснить компромиссы.
Данные: PostgreSQL, Redis, Kafka (партиционирование, consumer groups, семантика доставки, идемпотентность, DLQ).
Процессы: Agile (Scrum/Kanban), техническая документация, работа с продуктовой командой.
*📩* Можно в личку или на почту: Откликнуться
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- FastAPI
- asyncio
- Pydantic
- gRPC
- Protocol Buffers
- REST
- Kafka
- PostgreSQL
- Redis
- Microservices
- API Gateway
- BFF
- Agile
- Scrum
- Kanban
Возможные вопросы на собеседовании
Проверка понимания специфики работы с LLM-агентами, заявленной в требованиях.
Расскажите, как вы реализуете механизм обработки ошибок и таймаутов при вызове инструментов (tool calling) моделью, чтобы избежать зацикливания агента?
Оценка навыков работы с современным асинхронным Python.
В чем преимущество использования TaskGroup в Python 3.11+ по сравнению с asyncio.gather для управления конкурентными задачами?
Проверка знаний в области безопасности ИИ-систем.
Какие инфраструктурные меры вы предпримете для предотвращения эскалации полномочий при выполнении цепочки вызовов инструментов агентом?
Оценка опыта работы с брокерами сообщений.
Как обеспечить идемпотентность обработки сообщений из Kafka в контексте агентной платформы, если инструмент выполняет запись в БД?
Проверка архитектурного мышления.
В каких случаях для взаимодействия агента с доменными сервисами вы выберете gRPC streaming вместо обычного REST API?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
