Engenheiro de Dados e Plataforma de Agentes Sênior (AWS)
Você vai direto pra vaga — sem criar conta aqui.
Verificada em 20/11/2026 · Clique e candidate-se.
Sobre a vaga
A Leega é uma empresa focada no atendimento eficiente e inovador em seus clientes. Isso não poderia ser diferente com o nosso principal combustível: as pessoas! Nossa cultura é inspiradora e nossos valores estão presentes no dia a dia: ética e transparência, excelência de qualidade, trabalho em equipe, responsabilidade econômica, social e ambiental, relações humanas e credibilidade. Buscamos profissionais inovadores que sejam movidos por desafios e focados em resultados. Se você busca uma empresa dinâmica e parceira e que investe em seus colaboradores através de capacitação constante, a Leega é o lugar para você!>> A LEEGA É PARA TODOS, ficaremos muito felizes em ter você em nosso time. Venha fazer parte da nossa história e da construção do nosso futuro. Cadastre-se agora mesmo em nossas vagas!
Responsabilidades
A empresa está montando sua infraestrutura de IA na AWS.
O plano inclui uma arquitetura de referência, RAG sobre bases internas e vários agentes em produção que conversam entre si: um orquestrador que divide o trabalho entre agentes especializados.
Ainda está em discussão separar a conta de IA da conta de dados.
A ideia é começar na Virgínia (us-east-1) e migrar depois para São Paulo por motivos regulatórios.
A pessoa contratada será a ponte entre o time de dados e o de IA.
Ela garante que o pipeline entre as contas e a camada que entrega dados, ferramentas e memória aos agentes tenham um dono claro.
Responsabilidades
Dados para IA
Construir intelectualmente as estruturas de IA e ML
Construir e manter os pipelines que alimentam o Bedrock Knowledge Base e os agentes: ingestão, limpeza, chunking e vetorização.
Definir contratos de dados (schemas, frescor, SLAs) para cada fonte que os agentes consomem.
Criar, Manter e Atualizar esteiras de MLOPS
Plataforma multiagente
Dar suporte à orquestração entre agentes: supervisor e subagentes, agentes como ferramentas, fluxos em grafo ou swarm.
Usar Strands Agents, colaboração multiagente do Bedrock e AgentCore (Runtime, Gateway, Memory, Identity).
Expor dados e sistemas internos como ferramentas reutilizáveis via servidores MCP e AgentCore Gateway, com versionamento e um catálogo de ferramentas.
Desenhar a gestão de estado e memória compartilhada entre agentes (curto e longo prazo, por sessão e por usuário), sem que dados vazem entre contextos ou clientes.
Apoiar a comunicação entre agentes (protocolo A2A, eventos via EventBridge, SQS e Step Functions), com idempotência, timeouts, retries e proteção contra loops.
Aplicar privilégio mínimo por agente e por ferramenta: identidade própria, escopo de acesso a dados e trilha de auditoria de cada ação executada.
Contas, infraestrutura e custoDesenhar o acesso entre contas AWS (IAM roles cross-account, Lake Formation), evitando copiar dados sempre que possível.
Implantar toda a infraestrutura como código (Terraform), incluindo agentes, ferramentas e guardrails, para promover o que funciona do sandbox para produção.
Aplicar tags, orçamentos e métricas de custo por área, projeto, modelo e agente, com visibilidade do custo por fluxo ou conversa (FinOps).
Governança, observabilidade e resiliênciaGarantir governança e privacidade (LGPD, residência de dados por região) antes de dados sensíveis entrarem no ambiente de IA, inclusive no que circula entre agentes e fica guardado em memória.
Implantar observabilidade de ponta a ponta: rastreamento distribuído das chamadas entre agentes e ferramentas (Open
Telemetry, Agent
Core Observability, Cloud
Watch), latência, tokens e taxa de erro por etapa.
Dar suporte a resiliência e DR (filas, multirregião, degradação controlada quando um agente ou ferramenta falha).
Requisitos
Requisitos obrigatóriosPython e SQL sólidos.
S3, Glue, Athena, IAM, Lake Formation e KMS.
Terraform e CI/CD.
Experiência prática com ambientes multiconta na AWS.
Arquitetura orientada a eventos e sistemas distribuídos (filas, retries, idempotência, consistência).
Experiência construindo ou operando ao menos uma aplicação com LLM em produção (RAG ou agente com ferramentas).
Noções de FinOps na AWS (tags, Cost Explorer, orçamentos).
Lang
Chain
Lang
Graph
ML
Ops e LLM
Ops: avaliação de agentes e fluxos multiagente, guardrails, monitoramento de drift e de qualidade das respostas.
DiferenciaisAmazon Bedrock (Knowledge Bases, Guardrails, colaboração multiagente) e AgentCore.
Frameworks de agentes como Strands, LangGraph ou CrewAI, e padrões de orquestração multiagente.
MCP (construção de servidores) e A2A.
Bancos vetoriais e as opções discutidas: S3 Vectors, OpenSearch e Milvus.
GraphRAG é um bônus.
Data Mesh e arquitetura hub-and-spoke.
Certificações: AWS Certified Data Engineer – Associate, ML Engineer – Associate, FinOps Certified Practitioner.
Experiência em serviços financeiros e em ambientes regulados.
Estrutura e HubSpoken
Competências
comportamentaisComunicar-se bem com cientistas de dados, áreas de negócio e parceiros externos.
Postura de segurança e rigor com dados sensíveis, especialmente quando agentes agem de forma autônoma.
Decidir com trade-offs explícitos.
Por exemplo: copiar dados ou acessar cross-account, um agente generalista ou vários especializados, memória compartilhada ou isolada.
Autonomia para documentar e definir quem é dono de cada agente, ferramenta e fonte de dados entre os times
Benefícios
Modelo de atuação: HÍBRIDO sendo 3 dias presenciais e 2 dias home office, localizada na - Vila Nova Conceição/São Paulo.
Explorar mais vagas
Receba vagas remotas como esta no Telegram
Verificadas, direto no seu celular — todo dia, sem cadastro.
Vagas relacionadas
Machine Learning Engineer Sr
Leega Consultoria
há cerca de 5 horas
Executivo de Vendas SP [Digital Analytics]
Leega Consultoria
há cerca de 6 horas · São Paulo, São Paulo
Cientista de Dados Sênior
Leega Consultoria
há cerca de 7 horas
Tech Lead de Engenharia de Dados e Plataforma de Agentes (AWS)
Leega Consultoria
há cerca de 8 horas · Barueri, São Paulo
