AI Agent Engineer — Python, FastMCP СберОпубликовано 04.11.2026

112K ₽–140K ₽/мес

Опубликовано 04.11.2026

оценка на руки

Россия Удалённо Junior FinTech Python FastMCP MCP RAG ETL SQL Git

112K ₽–140K ₽/мес

оценка на руки

Что за роль

В Сбере развивают платформу AI-агентов и базу знаний на основе RAG. Работа включает разработку инструментов для MCP на Python и FastMCP, а также аналитику платформы.

Чем вы будете заниматься

Разрабатывать MCP-инструменты на Python и FastMCP.
Развивать базу знаний RAG.
Считать аналитику платформы.
Участвовать в код-ревью и покрывать решения тестами.

Требования

Высшее техническое или математическое образование.
От 1,5 лет коммерческой разработки на Python.
Понимание основ ETL и потоковой обработки.
Владение SQL, Git, CI/CD и Jenkins.

Кто здесь добьётся успеха

→

Уверенно пишет на Python и готов разбираться с FastMCP и протоколом MCP, чтобы создавать надёжные инструменты для AI-агентов и подключать их к платформе Сбера.

→

Внимательно работает с данными: умеет поддерживать процессы ETL, писать SQL-запросы и развивать базу знаний RAG, понимая, как качество и актуальность данных влияют на ответы агента.

→

Для начинающего инженера характерны системность и интерес к проверяемым решениям: он покрывает код тестами, участвует в ревью, использует Git и CI/CD с Jenkins и готов разбираться в потоковой обработке данных.

→

Комфортно работает удалённо и самостоятельно организует задачи: фиксирует прогресс, задаёт точные вопросы и регулярно сверяет решения с командой при разработке и аналитике платформы.

Ресурсы для обучения

→Сетевой инженер (уровень CCNA +)Курс

Карьерный путь

Инженер ИИ-агентов на Python и FastMCP (Сейчас)→Инженер ИИ-агентов среднего уровня: самостоятельно развивает MCP-инструменты, процессы RAG и интеграции с платформой (Через 1–2 года)→Ведущий инженер платформы ИИ-агентов: проектирует архитектуру MCP и RAG-решений и отвечает за их надёжность и развитие в Сбере (Через 3–5 лет)

Обзор рынка

Объём рынка ПО на Python, 2026

$8.5B

Годовой рост экосистемы Python

18%

Внедрение AI-инструментов в разработку на Python

40%

Инвестиции в генеративный AI и агентные платформы, 2025

$33.9B

Навыки и требования

Обязательные

PythonFastMCPMCP

Растущий спрос

LangGraph и оркестрация AI-агентовВекторный поиск и гибридный RAG (Qdrant, pgvector)Apache Kafka и потоковая обработка данных

Снижающийся спрос

Скрипты Python без типизации и автоматизированного тестированияРазовые ETL-процессы на cron вместо оркестрации и потоковой обработки

Тренды отрасли

MCP становится стандартным слоем интеграции агентов

MCP позволяет подключать модели к инструментам и данным через единый протокол; для Python-разработчика FastMCP упрощает создание серверов MCP. В России актуальны интеграции с локально развёрнутыми моделями и корпоративными системами. Для портфолио полезно собрать MCP-сервер с авторизацией, журналированием и обработкой ошибок.

RAG смещается от прототипов к проверяемым производственным системам

По оценке McKinsey, 65% опрошенных организаций в 2024 году регулярно использовали генеративный AI хотя бы в одной функции; это глобальный показатель, а не оценка только российского рынка. В рабочих RAG-системах растёт значение измерения качества поиска, контроля галлюцинаций и защиты данных. Покажите в проекте набор тестов для retrieval, оценку качества ответов и обновление индекса через ETL.