[Position Summary]

FDE AI Expert (AI Agent / LLM Engineering)

- 고객 핵심 업무를 수행하는 AI Agent의 추론·도구사용·오케스트레이션 로직을 설계하고 Production 수준으로 구현

- LLM, RAG, MCP/Tool, Workflow, Multi-Agent 및 Human-in-the-Loop를 결합한 End-to-End Agent 개발

- 정확도·완결성·안전성·지연시간·비용을 평가하고 Prompt/Model/Workflow 대안을 실험하여 최적 구성 도출

- 고객 환경에서 운영 가능한 Agent 개발표준, 평가체계, Guardrail 및 재사용 컴포넌트 자산화

[Role & Responsibilites]

- LLM 기반 AI Agent 및 Multi-Agent 시스템 설계 및 구현

- Prompt Engineering, Tool Calling, MCP 등을 활용한 AI 서비스 개발

- 고객 요구사항에 적합한 AI 기술 검토 및 최적 모델 선정

- AI 서비스의 정확도, 응답속도, 비용 등을 지속적으로 평가 및 최적화

- Evaluation Framework를 활용한 AI 성능 검증 및 개선

- 구현 결과를 기반으로 기술적 의사결정 근거를 고객에게 설명 및 제안

[자격요건]
필수사항

- Python 기반 서비스 개발 및 LLM API/Open-source LLM을 활용한 애플리케이션 구현 경험

- LangGraph/LangChain, OpenAI/Anthropic/Google SDK 등 Agent Workflow를 설계·구현한 경험

- Function Calling, Tool Use, MCP, Structured Output 및 외부 업무시스템 연계 경험

- Planner/Executor/Reviewer, Multi-Agent, Memory, State 및 Human-in-the-Loop 설계 이해

- Task Success Rate, Accuracy, Groundedness, Safety, Latency, Token/Cost 등 E2E 평가·튜닝 경험

- 예외처리, Retry/Fallback, Idempotency, Guardrail, 관측성 및 테스트를 포함한 Production 개발 역량

- 모델·Prompt·Agent 구조의 대안을 실험하고 선택 근거를 고객에게 설명하는 역량

선택사항

- DSPy, LlamaIndex, CrewAI, AutoGen 등 다양한 Agent/LLM Framework 경험

- vLLM/TGI/Triton, Quantization, LoRA/Fine-Tuning 및 GPU 모델서빙 경험

- Langfuse, Phoenix, OpenTelemetry 기반 LLMOps/Agent Observability 경험

- Prompt Injection, Data Leakage, Toxicity 등 AI 보안·가드레일 구현 경험

- React/Next.js 또는 FastAPI/Spring 기반 Full-stack 서비스 개발 경험