Ai Agent Engineer - Acreditamos que a tecnologia é um agente de inovação, e queremos pessoas que compartilhem desse propósito: melhorar a vida das pessoas de forma descomplicada. Modelo de atuação: Remoto Conheça mais sobre a Mouts: mouts. InfoResponsabilidades:- Projetar, desenvolver e operar agentes de IA em produção, com uso recorrente por usuários reais. - Construir arquiteturas agentic completas (planejamento, execução, tool calling, memória, validação, fallback e tratamento de erros). - Definir e evoluir Model Context Protocols (MCP), garantindo contratos claros de contexto, controle de escopo e separação entre contextos estático, dinâmico e por usuário/tarefa. - Implementar RAG em produção, integrado a dados corporativos governados. - Integrar agentes a sistemas corporativos (APIs, ERPs, CRMs e workflows). - Evoluir protótipos para serviços estáveis, acompanhando custo, latência, confiabilidade e regressão de comportamento. - Definir métricas operacionais (taxa de sucesso, qualidade percebida, custo médio, incidentes e retrabalho). - Criar evals, testes de regressão, padrões, templates e playbooks para escalar com segurança. - Trabalhar próximo a PMs, dados e negócio, garantindo impacto real e não apenas soluções tecnicamente interessantes. Requisitos obrigatórios:- Experiência comprovada com agentes de IA em produção, com operação contínua e usuários reais. - Vivência prática em gestão de contexto em produção, com contratos claros. - Experiência com MCP ou abordagens equivalentes para controle de memória, isolamento de responsabilidades e redução de alucinação. - Experiência sólida em Python para desenvolvimento de serviços. - Vivência com LLMs em produção (prompt chaining, tool calling, validação de respostas). - Integração de sistemas via APIs. - Uso consistente de Git e versionamento. - Código testável, monitorável e sustentável. - Experiência apenas em PoCs, hackathons ou demos não atende ao requisito. Diferenciais:- Frameworks de agentes (LangGraph, LangChain ou similares). - RAG com embeddings e bancos vetoriais. - Observabilidade (logs, métricas, tracing). - Noções práticas de MLOps e deploy de serviços de IA. - Vivência em ambientes corporativos complexos e críticos.