这轮 American Express 面试整体比较偏开放式讨论，面试官会给一个业务场景，然后让候选人自己定义假设、边界和技术方案，不太强调唯一正确答案。

第一道核心题是设计一个 Email Triage Agent：

Walk me through how you would design an email triage agent. To classify emails, maybe retrieve information from a knowledge base and maybe draft responses.

中文简单来说，就是设计一个能够分类邮件、查询知识库、生成回复，并判断是否需要人工介入的 Agent。

回答时可以先确定使用场景和用户规模，再讨论 RAG、部署方式和风险控制。比较重要的一点是 Human-in-the-loop：普通会议安排、内部流程查询这类低风险任务可以自动处理，但涉及客户、财务或者敏感信息时，应该进入人工审核。实际面试中也围绕 Calendar Management、Meeting Follow-up 和 Internal Knowledge Assistant 做了进一步讨论。

第二部分开始聊 MCP。

Imagine you're building an agent that needs to access internal documentation and produce financial transaction summaries using MCP.

这里的场景是让 Agent 同时访问内部文档和金融交易数据。回答中把系统拆成 Agent / Orchestration、MCP Client、Documentation MCP Server 和 Financial MCP Server，通过 MCP 把 SharePoint、Vector DB、Transaction DB 等企业系统接进来，再由 LangGraph 一类的框架负责工作流编排。

随后面试官继续追问 RBAC、Auditing 和 Logging。

这部分重点不是让 LLM 自己判断权限，而是把 MCP Server 当作 Agent 和企业数据之间的受控访问层。普通员工只能访问自己的数据，HR、Manager 根据角色获得不同范围的权限，同时遵循 Least Privilege，并保证所有请求可以审计和追踪。

最后还有一段比较轻松的 AI 行业讨论，提到了 Dario Amodei、Sam Altman、Yann LeCun 和 Geoffrey Hinton，聊了 LLM 的局限、World Model 以及 AI Safety 等观点。

整体来看，这轮不是传统的“背 System Design 模板”，而是更关注候选人能不能把一个模糊的 AI 业务问题拆清楚。准备类似岗位时，除了 Agent、RAG、MCP 这些技术本身，也值得重点准备 权限、安全、Human-in-the-loop 和企业落地场景。

CSOAHELP 提供海外大厂技术面试的实时文本辅助和 Mock Interview。对于 AI Engineer、LLM Engineer、Agent Engineer 这类岗位，可以针对真实的开放式 System Design 和连续 follow-up 场景提前练习。

我们也有代面试，面试辅助，OA代写等服务助您早日上岸~