阿里云
ATH事业群-AI Agent全栈工程师-Agentic PaaS-杭州/北京/广州
岗位职责
岗位定位 我们正在构建 Agentic PaaS 能力层——让平台的 AI 视频创作能力以 CLI / SDK / WebMCP / Skills 等形态，被开发者、合作方产品和 AI Agent 广泛调用。你将负责这一能力层的多终端工程建设，把视频创作能力变成可嵌入、可编排、可实时交互的产品，让客户与开发者能够更智能、更 agentic 地完成视频生产。 核心职责
Agentic 能力输出与 MCP 建设 ● 基于 MCP协议，在 Web 端构建可被 Agent 调用的能力服务（WebMCP），让平台的创作能力可被任意 AI Agent 发现、调用与编排。
将复杂的视频生产流程封装为可编排、可复用、可分发的标准化技能（Skills），支撑 Agent 场景化视频生产。
设计面向 Agent 的调用接口与上下文协议，让 Agent 能够自主规划、执行、迭代视频创作任务。
CLI 工具链建设 ● 设计并实现 CLI 的完整链路：鉴权体系 / 原子命令 / 场景命令 / 自升级机制 / Plugin 扩展。
构建面向开发者和 Agent 的命令调用接口，支持在本地Agent/终端直接完成视频生产任务。
SDK 能力封装 ● 设计面向第三方集成的整体 SDK 体系，支持合作方在 Web、桌面端、移动端等多终端嵌入创作能力。
构建 SDK 的音视频核心能力：播放、编辑、转码、编解码、流式渲染、实时预览等，保障跨终端场景下的性能与体验。
定义清晰的 API 契约与版本管理策略，保障 SDK 稳定性与向后兼容。
实时生成互动引擎 ● 建设实时生成互动引擎的核心能力，支持多协议低延迟流式传输与交互，为上层应用提供统一的实时生成互动语义。
对接实时 AI 生成模型服务能力，设计引擎的对接协议，将实时生成互动能力封装为可被 SDK / CLI / WebMCP 调用的标准接口。
音视频核心能力 ● 负责跨终端音视频核心链路：编解码（H.264 / H.265 / AV1）、封装格式、流媒体传输、自适应码率、音画同步等。
基于 WebCodecs / MediaSource Extension / WASM 等技术，建设高性能音视频处理能力。
持续优化多终端场景下的播放质量、首帧速度、弱网体验和功耗表现。
任职要求
基础条件
计算机、通信、多媒体技术等相关专业本科及以上学历。
3年以上无线端开发经验，2年音视频领域研发经验，精通 TypeScript / C++ / C / Java 中至少两门语言。
有多终端 SDK 或工具链开发经验，理解跨平台兼容性与 API 设计原则。
有分布式系统或高可用服务开发经验，能独立完成从架构到上线的完整交付。 核心技术能力
有 CLI 工具链、SDK、Skills、MCP 开发经验，熟悉 MCP / LangChain / Function Calling 等 Agent 协议与框架，理解 Tool Use 的设计范式，能将 AI 能力以标准化方式面向 Agent 和开发者输出。
熟悉多终端工程，在 Web / 桌面端 / 移动端中至少两个方向有 SDK 或应用层实战经验。
精通音视频基础技术：编解码、封装格式、流媒体协议（HLS / DASH / RTMP / SRT）、音画同步、自适应码率，有音视频 SDK 或播放器开发经验；熟悉 WebCodecs / MediaSource Extension / WASM 等现代音视频处理技术。
熟悉实时通信技术（WebRTC / WebTransport / WebSocket），有低延迟传输或实时互动场景的工程经验。 加分项
有 MCP Server / MCP Client 开发经验，熟悉 Agent 能力发现与调用协议。
有实时视频生成或实时互动产品（直播、连麦、游戏、虚拟人）的研究或工程落地经验。
有多人协作、实时同步、弱网恢复、传输协议优化经验。 我们期待的你
Agentic 思维：从 Agent 的视角设计接口与协议，让 AI 能自主发现、调用和组合视频创作能力。
平台产品思维：能从开发者视角出发设计 API 和 SDK，让复杂能力以最简洁的方式暴露给外部。
音视频工程能力：对编解码、传输、渲染、多终端适配有深入理解，能在不同场景下交付高质量的音视频体验。
实时技术追求：对低延迟有执念，能在毫秒级优化中找到乐趣。
生态思维者：在写好代码的同时，更关注"如何让外部开发者愿意接入、持续使用、产生价值"。
信息来自企业官方招聘渠道
OfferSeek 对公开岗位信息进行聚合、去重和结构化整理，最终申请以企业官方页面为准。