AI Engineer

MISSIONS

Responsabilités principales

• Concevoir et développer des serveurs MCP en Python.
• Implémenter des connecteurs vers des systèmes externes (SaaS, API REST, bases de données, outils collaboratifs, systèmes internes).
• Modéliser correctement les outils (tools), schémas d?entrée/sortie et descriptions afin d'optimiser leur utilisation par les LLM.
• Garantir la conformité aux standards de sécurité (OAuth2, OIDC, gestion des tokens, isolation des données).
• Assurer la robustesse, la performance et l'observabilité des connecteurs (logs, métriques, traçabilité des appels).
• Collaborer avec les équipes en charge des agents pour valider la bonne intégration MCP (tool calling, gestion des erreurs, latence, gestion d'état).
• Contribuer à la standardisation et à la gouvernance des connecteurs au sein de la plateforme.

EXPERTISE TECHNIQUE ET/OU METIER NECESSAIRE

AI Engineer

Domaine : Développement

Compétences :

• Système d'exploitation
• Langage informatique
• Frameworks
• Technologies
• Méthodologie
• Autres compétences

Anglais : Confirmé

LIVRABLES

SLA

EXPERTISES TECHNIQUES ATTENDUES

• Maîtrise solide de Python.
• Expérience dans le développement d?API et de services backend (FastAPl ou équivalent).
• Expérience avec LangChain, LangGraph ou frameworks similaires.
• Bonne compréhension du protocole MCP ou capacité à monter rapidement en compétence.
• Compréhension des mécanismes de tool calling dans les architectures LLM.
• Connaissance des principes d'architecture logicielle (modularité, Clean Architecture, découplage).
• Expérience avec Docker et idéalement Kubernetes.
• Compréhension des architectures agentiques.

Profil candidat:

• Maîtrise solide de Python.
• Expérience dans le développement d?API et de services backend (FastAPl ou équivalent).
• Expérience avec LangChain, LangGraph ou frameworks similaires.
• Bonne compréhension du protocole MCP ou capacité à monter rapidement en compétence.
• Compréhension des mécanismes de tool calling dans les architectures LLM.
• Connaissance des principes d'architecture logicielle (modularité, Clean Architecture, découplage).
• Expérience avec Docker et idéalement Kubernetes.
• Compréhension des architectures agentiques.