[회사 소개] Agentic AI의 확산으로 AI 인프라의 패러다임이 근본적으로 변화하고 있습니다. 수많은 에이전트가 동시에 구동되는 환경에서 기존 데이터센터 구조는 성능과 효율의 한계에 직면해 있습니다. 망고부스트는 이러한 변화에 선제적으로 대응하며, AI 데이터센터의 전 계층을 혁신하는 'Full-Stack AI infra solution'을 제시합니다. 우리는 AI 추론 성능 최적화 엔진인 LLMBoost 소프트웨어와, 독자 설계한 DPU 바탕으로 구동되는 GPU 및 스토리지 시스템을 비롯해 이를 유기적으로 통합하고 제어하는 오케스트레이션 소프트웨어까지 AI 인프라의 모든 계층을 직접 설계하고 개발합니다. 단순히 개별 제품을 만드는 것을 넘어, 시스템 전반의 복잡한 병목 현상을 해결하고 비효율을 근본적으로 제거하는 데 집중합니다. 망고부스트의 기술은 데이터 이동 및 코디네이션 비용을 최소화하고 시스템 자원 활용도를 극대화하여, 고객에게 압도적인 성능과 최적의 TCO를 제공합니다. 현재 우리의 솔루션은 글로벌 파트너사의 실제 AI 인프라에 적용되어 그 가치를 증명하고 있으며, 망고부스트는 이를 통해 글로벌 AI 데이터센터의 새로운 표준을 정립해 나가고 있습니다. [포지션 소개] 우리 팀은 AI 워크로드에 특화된 고성능 스토리지 어플라이언스를 개발하고 있습니다. Kubernetes 위에서 오케스트레이션되는 오픈소스 기반 분산 스토리지 백엔드로, 데이터센터 수준의 IO 성능을 목표로 합니다. 플랫폼은 스토리지 데이터 패스(SPDK, NVMe-oF), 오케스트레이션을 위한 Kubernetes Operator, REST API 및 CLI 컨트롤 플레인, React 관리 대시보드로 구성되며, 분산 스토리지(예: DAOS), 그래프 DB(예: Kuzu), 벡터 DB(예: Qdrant)를 통합해 AI를 위한 데이터·메모리 레이어를 구성합니다. 본 포지션에서는 커널 바이패스 데이터 패스부터 오케스트레이션·컨트롤 플레인까지 스택 전반을 설계하고 개발하게 됩니다. junior부터 senior까지 모두 지원 가능하며, 경험 수준에 따라 담당 범위와 오너십이 확장됩니다. 프로덕션 스택은 주로 Go와 C/C++이지만, AI 보조 개발을 핵심 워크플로우로 활용합니다. 최신 AI 코딩 에이전트의 도움을 받아 정확하고 성능 좋은 시스템 코드를 만들어낼 수 있다면, 이전에 어떤 언어를 다뤘는지는 장벽이 되지 않습니다. 시스템에 대한 본질적 이해가 있으면 좋습니다.

• 스토리지 스택 전반의 컴포넌트 설계·구현: 데이터 패스(SPDK/NVMe-oF), 오케스트레이션(Kubernetes Operator/CRD), 컨트롤 플레인(REST API, CLI), 관리 UI(React) • 데이터센터 수준의 처리량·지연 목표를 달성하기 위한 오픈소스 분산 스토리지 백엔드 통합 및 확장 • End-to-end IO 경로 프로파일링, 병목 분석, CPU·네트워크·스토리지 전반의 성능 최적화 • 분산·그래프·벡터 스토리지를 통합하여 AI 워크로드를 위한 데이터·메모리 레이어 구축 • 명확한 설계 문서 작성 및 글로벌(영어 기반) 팀과의 협업

• CS, EE, CE 또는 관련 분야 학사/석사/박사, 또는 동등한 실무 경험 (junior~senior 모두 지원 가능) • 스토리지 및/또는 네트워크 시스템 개념에 대한 탄탄한 이해와 관련 시스템 프로젝트 경험 • 실제 시스템에서의 성능 평가, 병목 분석, 성능 최적화 경험 • Linux 시스템 기본기(프로세스, 메모리, 파일시스템, 네트워킹, 디버깅)에 대한 이해 • 시스템 언어 중 최소 하나(Go, C/C++, Rust, Python 등)에 대한 견고한 프로그래밍 역량, (AI 코딩 에이전트 활용 포함) 낯선 언어를 빠르게 익혀 적용할 수 있는 적응력 • 영어로 기술 문서를 작성하고 기본적인 커뮤니케이션이 가능한 역량

• 분산/병렬 스토리지 내부 동작에 대한 실무 경험(Ceph, Lustre, DAOS 등) • 고성능 IO 및 커널 바이패스 기술에 대한 이해: SPDK, NVMe-oF, RDMA/RoCE • Kubernetes Operator/controller 개발 경험 (CRD, reconciliation loop) • LLM inference 시스템 및 KV-cache/메모리 계층 경험(vLLM, LMCache, Mooncake), 또는 AI 파이프라인에서 스토리지를 활용한 경험 • 그래프 DB(예: Kuzu) 또는 벡터 DB(예: Qdrant) 경험 • 관리 대시보드 개발을 위한 풀스택/React 경험 • 스토리지·네트워크·인프라 관련 오픈소스 기여 경험

서류 전형 -＞1차 인터뷰(실무진) -＞ 코딩 테스트 -＞ 2차 인터뷰(C-level) -＞ 처우 협의 -＞ 최종 합격

• 업계 최고 수준의 처우 협의 • 점심/저녁 식대 연봉 외 별도 제공(15,000원) • 연간 복지 포인트 • 종합병원에서 높은 수준의 건강검진 매년 제공(+1일 공가) • 업무상 도서구매 지원, 컨퍼런스 지원 등 성장의 기회 • 생일 반차 • 경조사 지원 • 사내 추천 포상 제도 • Mango Day 등 다양한 사내 이벤트 • 커피 및 스낵바 무제한 제공