Analista de Inteligência Artificial Jr. (AI Engineer / Agentes & MCP)

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).