Senior Software Engineer, AI Framework Integrations

О позиции

Команда AI Interfaces работает над продуктами, которые позволяют разработчикам и AI-агентам эффективно взаимодействовать с MongoDB. Вы будете строить ключевые компоненты платформы — включая MongoDB MCP Server, Agent Skills и Intelligent Assistant Platform — и определять архитектуру будущих версий этих решений. Это новая команда, исследующая новые возможности, где каждый сотрудник работает на переднем крае технологии с высокой степенью автономии.

Будет плюсом

• Опыт построения MCP-серверов, агентов или плагинов для agentic-приложений
• Знание экосистемы agentic AI (AI IDE, CLI, ассистенты) и интеграции разработчиков
• Опыт работы с OAuth и инфраструктурой аутентификации для developer-facing сервисов
• Понимание внутренних механизмов работы баз данных
• Опыт контейнеризации и оркестрации (Kubernetes), знание фреймворков и инструментов AI
• Знание Java и/или Python

Условия

• Работа в команде с высоким уровнем автономии на переднем краю AI-технологий
• Участие в создании продуктов, которые определяют будущее взаимодействия AI с базами данных
• Культура сотрудничества и интеллектуальной честности внутри компании
• Карьерный рост и развитие в глобально распределённой платформе MongoDB Atlas
• Инклюзивная корпоративная культура с поддержкой wellbeing сотрудников
• Возможности для менторства и формирования инженерных практик

Навыки

• Node.js
• TypeScript
• Backend Engineering
• Distributed Systems
• API Design
• System Architecture
• Code Review
• Performance Tuning
• Agile Development
• Containerization
• Kubernetes
• OAuth
• Authentication
• Database Internals
• MongoDB
• JavaScript
• Test Driven Development
• Incident Response
• Microservices
• Cloud Computing

Могут спросить на собеседовании

1. Как вы подходите к проектированию API для взаимодействия AI-агентов с базой данных? Какие trade-offs вы учитываете при выборе паттернов?
2. Расскажите о вашем опыте работы с высоконагруженными системами. Как вы обеспечивали отказоустойчивость и масштабирование?
3. Как вы действуете, когда требования不明确ны или меняются на полпути проекта? Приведите пример.
4. Какие метрики используют для оценки качества и производительности AI-интерфейсов? Как измеряете успех внедрения?
5. Опишите ваш процесс написания тестов и обеспечения качества в больших legacy codebase. Как поддерживаете стабильность при развитии системы?