Háromrétegű AI-architektúrát mutatott be az SEI az MBSE-hez

Az AI szerepe túlmutat a modellíráson

A Carnegie Mellon University Software Engineering Institute blogján Colin Dempsey szeptember 2-án ismertette a vizsgálatot. Az MBSE-ben a formális architektúra-leírások, a követhető követelmények, a viselkedési modellek, az elemzések és az ellenőrzési bizonyítékok elkészítése, illetve karbantartása jelentős mérnöki munkát igényel.

Az SEI szerint az AI csökkentheti a mérnöki műtermékek létrehozásához, frissítéséhez és egyeztetéséhez szükséges erőfeszítést. Rövidebbé válhat az út egy mérnöki változtatás és a modellezési eszközlánc visszajelzése között, miközben az integráció és a tesztelés előtt is felszínre kerülhetnek az ellentmondások.

A megközelítésben a mérnök felelős marad a szándék meghatározásáért, az átvizsgálásért és a mérnöki döntésekért. Az SEI hangsúlyozza, hogy egy sikeres modell-ellenőrzés önmagában nem bizonyítja, hogy a modell teljes, helyes mérnöki döntéseket tükröz vagy ellenőrzött.

A három réteg egy fejlesztési környezetben működik

Az úgynevezett natív integráció azt jelenti, hogy az AI-asszisztens közvetlenül a mérnöki munkaterületen dolgozik, nem különálló csevegőfelületként. Ugyanabban a verziókezelt adattárban éri el a modellt, projektútmutatást kérhet le, módosíthatja a modellfájlokat, lefuttathatja a mérnökök és a folyamatos integráció által használt ellenőrzést, majd reagálhat a diagnosztikára.

Az első réteg az AI-kódasszisztens, amely természetes nyelvű utasítások alapján dolgozik a verziókezelt műtermékeken. A jelenlegi megvalósításban a Visual Studio Code az elsődleges környezet, ahol Claude Code, OpenAI Codex és Continue kapcsolódik ugyanahhoz az adattárhoz és eszközkészlethez.

A második réteg a SysML v2 nyelvérzékeny modellezési eszközlánca. Ennek fel kell tudnia dolgozni a modellfájlokat, fel kell oldania a hivatkozásokat, alkalmaznia kell a nyelvtani és szemantikai szabályokat, valamint diagnosztikát kell visszaadnia. Az SEI a Sensmetry Syside eszközét használja, az automatizált ellenőrzéshez pedig a syside check parancsot hívja meg.

A harmadik réteg a verziókezelt, Markdown-fájlokból álló tudásbázis. Ez SysML v2-útmutatókat, validációs szabálymagyarázatokat, modellezési mintákat és példákat tartalmaz. A helyi Model Context Protocol, vagyis MCP-szerver stabil témaneveken teszi kereshetővé az anyagokat, a különálló készségfájlok pedig meghatározzák, hogyan használja az asszisztens az útmutatást, hogyan módosítsa a modelleket és miként reagáljon az ellenőrzések eredményére.

SysML v2 és ellenőrzési visszacsatolás

A vizsgálat a SysML v2 szöveges jelölésére épült. A nyelv az Object Management Group formális nyelve, amely követelményeket, struktúrát, viselkedést, elemzést, ellenőrzést és érintetti nézeteket írhat le. A szöveges modellfájlok áttekinthetők, verziókezelhetők, összehasonlíthatók változtatási kérelmekben, és automatizált eszközökkel is feldolgozhatók.

A szöveges forma ugyanakkor nem teszi informálissá a modellezést. A létrehozott modellnek meg kell felelnie a nyelvtannak, fel kell oldania a hivatkozásait, és teljesítenie kell a szemantikai szabályokat. Ezért kap központi szerepet a nyelvérzékeny modellezési szolgáltatás és a meghívható validációs felület.

Az SEI három kísérleti ágat hasonlított össze ugyanazokon a SysML v2-feladatokon, mindegyikben az Anthropic Claude Opus 4.6 modelljével. Az alapvonal egyetlen generálási menetet használt eszközök nélkül. A CLI-alapú ág a generálást a syside check visszajelzési körével egészítette ki, a tudásbázis és a készségek nélkül. A teljes eszközkészlet ehhez hozzáadta az MCP-szolgáltatást, a modellezési készségeket és ugyanazt a validációs ciklust.

A kísérlet nyolc feladatot fedett le két méretben. A kis feladatokból ágonként 40, a nagy feladatokból ágonként 24 kimenetet vizsgáltak. A forrásban közölt kisfeladatos táblázat szerint az alapvonal 100 soronként 3,7 hibát és 309 sort eredményezett, 87 másodperces falidő mellett. A csak parancssoros ellenőrzést használó ág 0 hibát, 277 sort, 2,1 iterációt és 178 másodperces falidőt mutatott.

A megközelítés más modellezési nyelvekre is kiterjedhet

Az SEI szerint az architektúra nem kötődik egyetlen AI-asszisztenshez vagy modellhez. A három alapvető képesség egy repository-műtermékeken dolgozni képes asszisztens, meghívható validációs és elemzési felületekkel rendelkező modellezési eszközök, valamint a feladat közben lekérhető projektismeret.

A szerzők jelenleg az Architecture Analysis and Design Language, röviden AADL és a hozzá tartozó elemzési eszközök esetében is alkalmazzák ezt a mintát. A felhasználók számára ez olyan munkafolyamatot jelent, amelyben az AI ugyanott dolgozik, ahol a mérnöki artefaktumok és az ellenőrzési eszközök, miközben a döntések felülvizsgálata és a szakmai felelősség továbbra is a mérnököknél marad.