Pular para o conteúdo

Aberto a oportunidades

Leandro KuranagaDo event-driven ao agente. Construo as duas pontas.

8 anos em .NET e Azure, passando por Raízen, Embraer e Claro. Construo o harness de agentes: MCP servers, guardrails e avaliação. Não só uso ferramenta.

Anos entregando em produção
8+
Usuários por mês no CSOnline
13k
Queries de série temporal mais rápidas
3x
Menos tempo de calibração manual
40%

Trabalho selecionado

Sistemas que construí

Três sistemas em produção, desenhados. Cada diagrama é a topologia real, e o caminho em vermelho é o que carrega carga.

01

Plataforma de otimização industrial

Andritz

Restrição

As leituras de série temporal dos sensores da planta degradavam no SQL Server, e a calibração ainda dependia de ajuste manual do operador.

Decisão

Separei o caminho de escrita: streaming via Kafka para um store dedicado de série temporal no InfluxDB, com otimização AI/ML devolvendo a calibração ao operador por um console React.

Resultado

Queries analíticas 3x mais rápidas e 40% menos tempo de calibração manual.

  • .NET
  • Kafka
  • InfluxDB
  • SQL Server
  • React
  • Python
  • Azure

Ler o estudo de caso: Plataforma de otimização industrial

Sensoresplanta industrialIngest .NETKafka · streamingInfluxDBtime-series · 3xOtimização AI/MLcalibração −40%SQL ServeroperacionalReact · operadoresquery 3x
02

CSOnline: integração enterprise

Stefanini · Raízencsonline.com.bracesso restrito: plataforma interna Raízen

Restrição

SAP, Salesforce e pagamentos Pix precisavam convergir numa plataforma só para distribuição de combustível em larga escala, sem acoplar os sistemas entre si.

Decisão

Um núcleo event-driven: a API .NET publica em topics do Azure Service Bus e workers independentes consomem com at-least-once e dead-letter, para que um downstream lento nunca trave um pagamento.

Resultado

Três sistemas enterprise unificados, servindo mais de 13 mil usuários por mês com Pix em tempo real.

  • .NET Core
  • Angular
  • Azure Service Bus
  • Redis
  • SAP
  • Salesforce
  • Pix

Ler o estudo de caso: CSOnline: integração enterprise

Angular SPA13k usuários/mêsAPI .NET CoreDDD · CQRSRedisAzure Service Bustopics · DLQ · retrySAPworkerPixworkerSalesforceworkerpublishat-least-once
03

Automação conversacional

Sonda

Restrição

Claro, Vivo, Embraer e Sodexo precisavam absorver alto volume de atendimento sem aumentar o time de suporte.

Decisão

Intent handling e fluxos de diálogo em ASP.NET orquestrados pelo Blip, com roteamento de fallback explícito para que tudo que o classificador não casasse chegasse a um humano em vez de falhar.

Resultado

Menor tempo de resposta e custo operacional em contas de escala nacional.

  • C#
  • ASP.NET
  • Blip
  • SQL Server
  • MongoDB

Ler o estudo de caso: Automação conversacional

Claro · VivoEmbraer · Sodexocanais de atendimentoBliporquestradorIntent · diálogoASP.NETSQL ServerMongoDBResolvidoautomáticoFallbackatendente humanomatchsem match

Meu diferencial

Engenharia de IA e Agentes

A maioria dos engenheiros consome ferramenta de IA. Eu construo o harness em que elas rodam: MCP servers, agentes próprios, suítes de avaliação e guardrails que bloqueiam saída fora de spec antes de chegar numa branch.

Spec · issueCLAUDE.mdconvenções em GitAgenteimplementaGuardrailseval · gatesMCP serverscontexto · toolsPlaywrightE2E · xUnitMergesó se passarbloqueia fora de spec
O pipeline em si. As convenções vivem no Git como artefato revisável; nada faz merge antes de passar por asserções determinísticas e testes E2E.
  1. 01

    Tooling de agente próprio

    Autorei MCP servers, subagents, hooks e skills reutilizáveis sobre o Claude Agent SDK, estendendo o harness do agente, não apenas configurando.

  2. 02

    Engenharia de harness e loop

    Padronizei um pipeline agêntico CLI-first adotado pelo time: contexto de design via MCP, revisão automatizada de código, E2E com Playwright e entrega orientada a spec.

  3. 03

    Avaliação e guardrails

    Suítes de prompt de regressão, asserções determinísticas sobre respostas estruturadas e gates automáticos que bloqueiam gerações fora de spec antes do merge.

  4. 04

    Busca semântica e indexada

    Azure AI Search expondo conteúdo enterprise para fluxos de retrieval por LLM, com padrões de RAG: chunking, embeddings e vector search.

  5. 05

    Segurança em IA

    Tool scoping de menor privilégio e aprovação human-in-the-loop nos fluxos de agente, reduzindo exposição a prompt injection e vazamento de dados.

  6. 06

    IA em produção

    Sistemas de otimização industrial com algoritmos de AI/ML entregues na Andritz, cortando 40% do tempo de calibração manual.

Experiência

Mai 2024 - Presente

Logo da Andritz

Andritz

Engenheiro de Software

  • Reduzi em 40% o tempo de calibração manual com sistemas de otimização industrial baseados em AI/ML
  • Liderei a migração para InfluxDB, melhorando em 3x a performance de queries de série temporal
  • Construí backends .NET e SQL Server com front ends React para times na Alemanha e no Canadá, em inglês no dia a dia
  • Padronizei o pipeline assistido por IA do time: agentes próprios, hooks, MCP servers, revisão automatizada e E2E com Playwright
  • Integrações event-driven com Apache Kafka; Python para automação e scripts de dados

Ago 2022 - Mai 2024

Logo da Stefanini

Stefanini

Engenheiro Fullstack · Raízen

  • Construí o CSOnline, plataforma enterprise com mais de 13 mil usuários ativos por mês
  • Integrei SAP, Salesforce e pagamentos Pix em fluxos de negócio automatizados
  • Projetei APIs escaláveis com DDD no Azure, com cache em Redis e mensageria via Service Bus
  • Ampliei o footprint de nuvem para AWS depois da entrega inicial do CSOnline
  • Entreguei jornadas completas: autenticação, catálogo, fluxos de compra e dashboards de relatório

Jan 2019 - Ago 2022

Logo da Sonda

Sonda

Desenvolvedor de Software

  • Construí sistemas conversacionais e automação de processos em .NET para Claro, Vivo, Embraer e Sodexo
  • Intent handling, fluxos de diálogo e lógica de fallback, precursor direto do trabalho atual com agentes
  • Criei integrações para autenticação, gestão de incidentes e pipelines de processamento de dados
  • Melhorei estabilidade e manutenibilidade do backend em fluxos críticos de negócio

Formação

  • Pós-graduação em Computação Quântica

    PUC Minasa partir de set/2026

  • Especialização em Arquitetura de Software

    FIAP

  • Pós-graduação em Engenharia de Software

    PUC-SP

  • Bacharelado em Ciência da Computação

    UNIP

Stack, por profundidade

Ordenado por profundidade de domínio, não por ordem alfabética. Diz exatamente sobre o que me entrevistar.

Núcleo

Defendo no whiteboard

  • .NET 8 / Core
  • C#
  • ASP.NET Core
  • Entity Framework Core
  • Azure
  • SQL Server
  • Microservices
  • Event-Driven
  • DDD
  • CQRS
  • Clean Architecture
  • REST APIs
  • xUnit
Fluente

Entreguei em produção sem supervisão

  • Claude Agent SDK
  • MCP Servers
  • Semantic Kernel
  • Azure AI Search
  • Azure AI Foundry
  • LLM Evaluation
  • Guardrails
  • RAG
  • Python
  • React
  • TypeScript
  • Angular
  • Service Bus
  • Azure Functions
  • SignalR
  • RabbitMQ
  • Kafka
  • Redis
  • PostgreSQL
  • InfluxDB
  • Terraform
  • AWS
  • Docker
  • Playwright
  • Cypress
  • Git / CI-CD
Exposto

Já entreguei com isso, mas não reivindico profundidade

  • Kubernetes
  • MongoDB
  • ElasticSearch
  • KurrentDB
  • Blip
  • SAP / Salesforce

Perguntas que sempre recebo

O que recrutador costuma mandar e-mail para perguntar. Respondido aqui para você não precisar.

Remoto ou presencial? PJ ou CLT?

Remoto, baseado em Indaiatuba, São Paulo, no fuso UTC-3: sobreposição total com a manhã europeia e com o dia inteiro nos EUA. Atuo pela minha própria empresa (Kuranaga Consultoria e Assessoria em Informática, ativa desde setembro de 2025), então contrato PJ é direto, e também estou aberto a CLT.

Qual seu nível de inglês?

Profissional, em uso diário. Passei os últimos dois anos em discussões de arquitetura e code review com times de engenharia na Alemanha e no Canadá.

Você é engenheiro backend ou de IA?

Os dois, e para mim é o mesmo trabalho. Oito anos de .NET e sistemas distribuídos são a fundação; a camada de IA roda em cima dela: orquestração de agentes, MCP servers, avaliação e guardrails dentro de uma plataforma .NET enterprise, não como experimento paralelo.

Qual o maior sistema que você construiu?

O CSOnline, na Stefanini para a Raízen: plataforma enterprise com mais de 13 mil usuários por mês, integrando SAP, Salesforce e pagamentos Pix numa arquitetura event-driven sobre Azure Service Bus com cache em Redis.

Você usa IA para escrever código. Como garante qualidade?

Os guardrails são o trabalho. As convenções do projeto ficam versionadas no Git como artefato revisável, suítes de prompt de regressão rodam a cada mudança, asserções determinísticas validam saída estruturada e gates automáticos bloqueiam gerações fora de spec antes do merge. xUnit e Playwright cobrem cada feature. Nada faz merge porque um agente disse que estava bom.

Está disponível agora?

Sim, aberto a novas oportunidades. O caminho mais rápido é o formulário abaixo ou [email protected].

Vamos conversar

Vamos trabalhar juntos

Aberto a vagas sênior de back-end, .NET e engenharia de IA, remoto ou híbrido, e a trabalho por contrato pela minha própria empresa. Manda uma mensagem que eu retorno.

Leandro Kuranaga

Remoto · Indaiatuba, SP, Brasil