Szakterület

AI mérnök MCP szerverekhez, RAG-hoz és kódoló ágensekhez

Olyan eszközöket építek, amelyekkel az AI ágensek valódi kódbázisokban, ticketrendszerekben és CI-ban dolgoznak – és továbbra is a tesztek, a statikus analízis és az emberi review döntik el, mi kerül élesbe.

Nyitott vagyok új kihívásokra · december 1-től

Amit hozok

  • MCP szerverek

    A saját Jira MCP szerverem 20 eszközt ad a kódoló ágenseknek – issue-k keresése, létrehozása és léptetése, kommentek, csatolmányok és Zephyr tesztfuttatások –, így közvetlenül a csapat ticketjeiből dolgoznak.

  • Ágens-pipeline ticketből PR-ig

    Agent skillek, amelyek szinkronizált adatokon reprodukálnak egy éles hibát, bizonyítják a kiváltó okot, létrehozzák a Jira ticketet, unit és Playwright tesztekkel javítják, és megnyitják a pull requestet.

  • LLM-integráció és RAG

    LLM funkciók meglévő termékekbe: retrieval-augmented generation, embeddingek és vektoros keresés, tool calling és strukturált kimenetek – evalokkal és guardrailekkel, fekete doboz helyett.

  • Ágensbarát weboldalak

    Ez az oldal beszél az AI ágensekkel: WebMCP eszközök a böngészőben, llms.txt és minden oldal Markdownként – ugyanabból a buildből, mint a HTML.

Projektek, amelyek igazolják

Valódi projektek, valódi számok – a teljes lista a referenciák oldalon.

  • 2026

    Messerle Shop

    Ticket-to-PR ágens-pipeline

    Ágens-skillek, amelyek egy hibát a bejelentéstől a pull requestig visznek: szinkronizált adatokból reprodukálják, bizonyítják a kiváltó okot, létrehozzák a Jira-ticketet, unit- és Playwright E2E-tesztekkel javítják, és átjutnak a PHPUnit/PHPStan kapun.

    • Claude Code
    • OpenCode
    • Agent skills
    • Playwright
    • PHPUnit
    • GitHub API
    Belső projekt
  • 2026

    Jira × coding agents

    Jira MCP-szerver

    Model Context Protocol szerver 20 eszközzel – issue-k, státuszváltások, kommentek, csatolmányok és Zephyr tesztfuttatások –, amellyel a kódoló ágensek közvetlenül a csapat Jirájából dolgozhatnak.

    • MCP
    • Node.js
    • Jira REST API
    • Zephyr
    Belső projekt

Eszköztár

  • Agentic engineering
  • MCP servers (Model Context Protocol)
  • RAG (retrieval-augmented generation)
  • Embeddings & vector search
  • Tool calling & structured outputs
  • Multi-agent orchestration
  • Claude Code & agent skills
  • OpenCode · Codex
  • LLM API integration (Anthropic, OpenAI)
  • Prompt & context engineering
  • LLM evals & guardrails
  • Agent guardrails: tests & CI gates
  • WebMCP · llms.txt
  • AI-assisted code review

Gyakori kérdések

Mi az az MCP szerver?

A Model Context Protocol (MCP) nyílt szabvány, amellyel az AI asszisztensek és kódoló ágensek más rendszerek eszközeit és adatait használhatják. Egy MCP szerver egy rendszert – például a Jirát – jól leírt eszközökbe csomagol, így az ágens egyedi ragasztókód nélkül kereshet issue-kat vagy rögzíthet tesztfuttatásokat.

Dolgozhatnak biztonságosan AI ágensek egy meglévő kódbázisban?

Igen, ha a guardrailek valódiak. Az én pipeline-jaimban unit és end-to-end tesztek, statikus analízis és CI-kapuk döntik el, mi kerül élesbe – és minden változtatás továbbra is emberi review-n megy át.

Milyen AI eszközökkel és modellekkel dolgozol?

Nap mint nap Claude Code-dal és agent skillekkel, OpenCode-dal és Codexszel – a termékekbe épített LLM funkciókhoz pedig az Anthropic és az OpenAI API-jával.

Hol élsz – és dolgozol távmunkában?

Voitsbergben, Graztól nyugatra, Stájerországban. December 1-től elérhető vagyok – remote Voitsbergből (AT) vagy hibrid formában.

Elérhető vagy?

Nyitott vagyok új kihívásokra · december 1-től. A leggyorsabban e-mailben vagy LinkedInen érsz el.

Milyen nyelveken dolgozol?

Magyarul, németül és angolul.

Pont erre van szükséged?

Írj a projektedről vagy a pozícióról – szívesen hallok felőled.