阿里巴巴
ATH事业群-AI Agent全栈工程师-Agentic PaaS-杭州/北京/广州
ATH事业群-AI Agent全栈工程师-Agentic PaaS-杭州/北京/广州
发布于 大约 2 小时前普通员工/个人贡献者
全职员工仅现场办公全栈开发
全栈开发
Cli
Mcp
Sdk
Wasm
Webrtc
音视频编解码
Webcodecs
值不值得投
77综合评分
综合评分 77
阿里云AI Agent全栈工程师，技术前沿，薪资优厚，但工作强度可能较高。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
55K
比全栈开发中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 1900 个在招 · 其中全栈开发 12 个
市场机会
选择适中
杭州 · 全栈开发 · 19 个在招
职位详情
关于这个职位
作为阿里巴巴云智能集团ATH事业群的AI Agent全栈工程师，你将负责构建Agentic PaaS能力层，将AI视频创作能力以CLI、SDK、WebMCP等形式输出，供开发者和AI Agent调用
工作涉及MCP协议、CLI工具链、SDK封装、实时生成互动引擎和音视频核心能力，需要扎实的全栈和音视频技术功底，并具备Agentic思维和平台产品思维
最低要求
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
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
工作职责
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
优先资格
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
AI 洞察
优缺点分析
优点
- 音视频+AI复合技能市场需求大，职业发展空间广阔
- 工作涉及多个终端和协议，技术广度与深度兼备
- 公司提供有竞争力的薪酬福利和职业发展通道
- 技术栈复杂，需要同时掌握AI、音视频、多终端开发，学习曲线陡峭
缺点 / 挑战
- 阿里巴巴平台资源丰富，技术挑战大，能接触前沿AI Agent技术
- 工作强度可能较高，需要应对快速迭代和跨团队协作
- 对低延迟和性能要求严苛，技术攻关压力大
- 适合对AI Agent和音视频技术有浓厚兴趣，具备扎实全栈能力，喜欢挑战复杂技术难题的工程师
角色解读
- 在AI Agent基础设施领域深耕，成为Agentic PaaS平台的核心架构师
- 横向拓展至AI平台产品管理或技术管理岗位，负责更大规模的技术团队
- 随着AI视频生成技术发展，成为音视频与AI结合领域的专家，引领行业标准
- 构建Agentic PaaS能力层，将AI视频创作能力封装为CLI、SDK、WebMCP等标准化接口，供开发者与AI Agent调用
- 开发CLI工具链，包括鉴权、命令、插件机制，支持本地终端完成视频生产
- 封装SDK，提供音视频核心能力（播放、编辑、转码等），并确保跨终端性能与体验
- 建设实时生成互动引擎，对接AI模型，实现低延迟流式传输与交互
- 精通TypeScript、C++、C、Java中至少两门语言，具备3年以上无线端开发经验
- 熟悉MCP、LangChain、Function Calling等Agent协议与框架，理解Tool Use设计范式
- 精通音视频编解码、流媒体协议（HLS/DASH/RTMP/SRT），并有实际SDK或播放器开发经验
- 熟悉WebRTC、WebTransport、WebSocket等实时通信技术，有低延迟传输经验
申请策略
- 关注阿里巴巴云智能集团的技术博客和开源项目，了解团队技术方向
- 在面试中展示对Agentic思维的理解，强调从开发者视角设计接口
- 突出MCP、CLI、SDK开发经验，尤其是Agent相关项目
- 强调音视频技术细节，如编解码、流媒体协议、WebRTC等
- 展示多终端项目案例，体现跨平台能力
- 提及分布式系统或高可用服务开发经验，体现架构能力
- 深入学习MCP协议和LangChain框架，掌握Agent开发范式
- 补充WebCodecs、WASM等现代音视频处理技术
面试指南
- 采用STAR法则，结合具体项目，突出技术决策和结果
- 强调对协议和框架的理解，展示设计思路和权衡
- 结合性能优化案例，说明问题分析和解决过程
- 请描述一个你设计过的SDK或CLI工具，如何保证API的易用性和兼容性？
- 谈谈你对MCP协议的理解，以及如何设计一个Agent可调用的服务？
- 在音视频处理中，如何优化弱网环境下的播放体验？
- 如何设计一个低延迟的实时互动系统？
- 你如何理解Agentic思维，在开发中如何体现？
职位点评
薪资福利85
成长发展95
工作生活40
使命价值80
薪资福利
85较高
阿里巴巴作为上市巨头，提供具有竞争力的薪酬和福利，但具体薪资未在JD中披露。
薪资信号未披露（AI估算：40K-70K/月）
成长发展
95较高
该职位涉及前沿的AI Agent技术和音视频技术，技术栈新，成长空间大，且公司平台大，有良好的发展机会。
技术前沿前沿/新兴技术
技术栈MCP、LangChain、Function Calling、WebRTC、WebCodecs、WASM
业务类型profit_center
工作生活
40较低
JD未提及工作生活平衡相关信息，且岗位可能涉及高强度工作，办公地点未明确，灵活性较低。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
80较高
阿里巴巴在AI领域有重要影响力，该岗位推动AI视频创作能力普及，具有较高的行业价值。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
阿里巴巴 的其他在招职位
相似职位推荐
Watch Jobs