$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
Generar automáticamente modelos SysML precisos a partir de requisitos de lenguaje natural puede acelerar sustancialmente la adopción de la Ingeniería de Sistemas Basada en Modelos (MBSE) en el desarrollo de sistemas complejos. Sin embargo, el uso de grandes modelos de lenguaje (LLMs) para generar código de modelo a menudo no cumple con las estrictas restricciones sintácticas de los lenguajes de modelado formal, y garantizar una alineación semántica constante entre los modelos generados y los requisitos sigue siendo un reto. Para abordar estos desafíos, este artículo presenta MAS4SysML, un marco colaborativo multiagente para la generación de código SysML v2 que mejora la corrección sintáctica y la consistencia semántica bajo un presupuesto de reparación limitado. El marco descompone una tarea de modelado en subtareas jerárquicas, las formaliza como tarjetas de tareas estructuradas y genera código modelo de forma ascendente. Durante la generación, se utiliza un entorno oficial de validación para el diagnóstico sintáctico; Tras completarlo, el framework verifica la consistencia semántica entre el código y las tarjetas de tareas. Si falla la validación sintética o semántica, el marco repara y revalida iterativamente el código dentro de un presupuesto de reparación predefinido, guiado por retroalimentación diagnóstica, hasta que se cumplen los criterios de validación o se agota el presupuesto. Para evaluar el método propuesto, construimos un conjunto de datos SysML v2 que abarca cinco tipos de tareas principales: requisitos, casos de uso, estructura, paramétricas y máquinas de estados, y realizamos experimentos comparativos. Los resultados muestran que MAS4SysML reduce la tasa media de error sintáctico a 2,63, aumenta la similitud semántica a 0,91 y supera en general los métodos existentes de generación de código.