| ​직무 ​소개

플랫폼 ​엔지니어링팀의 AI ​Agent Engineer는 미리캔버스가 Enterprise-scale ​Agentic ​Application으로 진화하기 ​위한 핵심 엔진인 ​'멀티 에이전트 ​시스템'을 ​설계하고 구축합니다.

사용자의 ​자연어 ​입력을 ​받아 다양한 역할의 ​AI ​에이전트가 협업하여 디자인 ​템플릿 ​선택, ​구성, 레이아웃 수정 ​등을 자동화할 ​수 ​있는 에이전트 ​플랫폼을 만듭니다. ​이를 ​위해 오케스트레이션 레이어, ​통신 프로토콜, ​SDK, 인프라 전반을 설계하고 개발합니다.

단순히 플랫폼 구축에 그치지 않고, 이를 활용한 미리캔버스 Agentic Service 설계에 직접 참여하여 사용자의 일상적인 디자인 경험을 AI로 혁신하는 데 기여하게 됩니다.

| 주요 업무

"미리디에서 이런 일들을 함께 하고 싶어요"

• 멀티 에이전트 플랫폼 엔지니어링
• 여러 에이전트가 순차·병렬로 협업하는 시스템의 핵심 컴포넌트를 설계하고, 담당 컴포넌트의 구현부터 운영까지 주도합니다.
• Agent 간 통신 계층(A2A) 구현 및 Agent Registry를 통한 동적 Discovery·라우팅 시스템을 개발합니다.
• 에이전트 개발자를 위한 Platform SDK를 개발하여 프로토콜, Transport, Observability(Traces/Metrics)를 추상화합니다.
• 외부 툴, 데이터베이스, 로컬 환경의 컨텍스트를 에이전트에게 안전하고 효율적으로 전달하기 위한 MCP 기반 Gateway 아키텍처를 설계합니다.
• LLM Gateway를 통한 다중 Provider 지원, 모델 라우팅, Failover 및 비용 추적 기능을 구현합니다.

• Agentic Service 개발 (First Customer)
• 플랫폼 기반의 도메인 에이전트(디자인 생성·수정 등)를 직접 설계·개발하여 사용자에게 배포합니다.
• 플랫폼의 첫 번째 내부 고객으로서 실무 피드백을 플랫폼 설계에 반영하여 DX(개발자 경험)를 고도화합니다.
• 에이전트의 품질 측정을 위한 Evaluation 파이프라인을 구축하고 서비스 신뢰성을 책임집니다.

• 시스템 신뢰성 및 최적화
• 담당 컴포넌트의 SLO, 지연시간, 실패 복구에 책임을 갖고 장애 대응 및 사후 분석(Post-mortem)에 참여합니다.
• Prompt Caching, 모델 라우팅 최적화 등을 통해 비용 효율적이고 빠른 응답 성능을 지향합니다.

| 자격요건

"이런 분이라면 목표 달성에 확신을 얻을 것 같아요"

• Core Engineering 역량
• 3년 이상의 백엔드/플랫폼 엔지니어링 경력, 혹은 이에 준하는 기술적 임팩트를 만든 경험이 있는 분
• TypeScript/Node.js 환경에서 확장성 있는 서버 애플리케이션을 설계·개발·운영해 보신 분 (혹은 타 언어 숙련자로서 Node.js 환경에 빠르게 적응 가능하신 분)
• 분산 시스템의 핵심 원리(Event-driven, MQ, 재시도/멱등성 등)를 이해하고 실제 복잡도를 해결해 보신 분
• Docker 기반의 컨테이너 환경 및 클라우드 인프라에 대한 기본적인 이해가 있으신 분

• AI & Data 역량
• LLM API를 활용한 서비스 개발 경험이 있거나, AI 에이전트 기술 및 생태계에 대한 깊은 관심이 있으신 분
• Redis 및 RDBMS를 활용하여 데이터 스키마를 설계하고 성능 최적화를 수행할 수 있는 분

• Culture & Mindset
• 새로운 기술에 대한 호기심이 강하며, 빠른 PoC를 통해 기술의 실무 도입 여부를 검증하는 것을 즐기는 분
• 기술 문서화(RFC 등), 코드 리뷰를 통해 팀의 엔지니어링 표준을 함께 세우는 데 적극적이신 분

| 우대 사항

"이런 분이라면 장기적으로 서로에게 더 긍정적일 것 같아요!"

• Advanced Agentic Engineering
• 멀티 에이전트 협업 구조, 워크플로우 분기 및 실패 복구 전략을 직접 설계·구축한 경험이 있으신 분
• A2A, MCP(Model Context Protocol) 등 최신 에이전트 통신 표준에 대한 이해 또는 적용 경험이 있으신 분
• LLM-as-a-Judge, 회귀 테스트 등 LLM 서비스 품질 측정 시스템 구축 경험이 있으신 분
• Vector DB, RAG, Knowledge Graph 등을 실제 서비스에 적용해 본 경험이 있으신 분

• Platform & Infrastructure Excellence
• 동료 개발자가 사용하는 SDK, 라이브러리 또는 공통 API를 설계하고 배포해 본 경험이 있으신 분
• Kubernetes 환경에서의 서비스 배포, 모니터링 및 성능 최적화(트러블슈팅) 경험이 있으신 분
• Temporal, Step Functions 등 워크플로우 엔진을 활용한 장기 실행 태스크 관리 경험이 있으신 분
• gRPC, SSE, WebSocket 등을 활용한 실시간 통신 및 에이전트 보안(Prompt Injection 대응 등) 지식이 있으신 분

• Engineering Efficiency
• Claude Code, Codex 등 AI 도구를 적극 활용하여 생산성을 높이는 AI Native 개발 방식에 익숙하신 분
• 분산 추적(Distributed Tracing) 등 시스템 가시성(Observability) 확보를 위한 인프라 구축 경험이 있으신 분
• 대규모 트래픽 환경에서의 LLM 추론 비용 최적화 및 멀티 테넌트 SaaS 운영 경험이 있으신 분

| 기술 환경

• Language: TypeScript(required), Python, Rust (preferred)
• Database: PostgreSQL, MySQL, Dynamo DB, Document DB
• Infra: AWS EKS with IaC (Terraform)
• CI/CD : GitOps based (helm, Github Action, ArgoCD)
• Framework: ai sdk, mastra.ai
• Workflow: Temporal, Airflow
• Data : Databricks
• Observability : Langfuse, Datadog, Opensearch, CloudWatch

| 기타 사항

• [서류 전형] - [기술 스크리닝] - [1차 인터뷰] - [2차 인터뷰] - [처우 협의] - [입사] 의 프로세스로 진행됩니다.
• 기술 스크리닝 : 실무 인터뷰 전, 컴퓨터 공학 기초 지식을 확인합니다. (온라인, 30분 내외)
• 1차 인터뷰 안내
• 문제 해결 및 Agent 서비스 설계 역량 테스트가 진행됩니다. (화이트 보드, 스크린 활용) (1시간 내외)
• 테스트 후 시스템 디자인 및 경력 기반 기술 인터뷰가 진행됩니다. (1시간 내외)
• 서류는 원활한 검토를 위해 PDF 형식으로 제출 부탁 드립니다.
• 2차 인터뷰의 경우, 직무/직급에 따라 생략될 수 있습니다.
• 입사 후 3개월의 수습 기간 및 수습 평가가 진행됩니다. (급여 100%)
• 서류 전형 결과 안내까지는 최대 2주, 인터뷰 결과 안내까지는 최대 3주가 소요됩니다.
• 여러 포지션에 동시에 지원해주시는 것은 가능하지만 동일한 포지션의 경우 최종 결과 안내를 받은 시점으로부터 6개월 후에 재지원이 가능합니다.