В статье рассматривается задача календарного планирования производства в условиях высокой динамики, неопределенности и неоднородности ресурсов. Традиционные подходы, основанные на централизованных алгоритмах и ERP/MES-системах, часто игнорируют индивидуальные характеристики оборудования и персонала, а также слабоформализованные технологические ограничения, что снижает эффективность и адекватность расписаний. Для преодоления этих ограничений предложена оригинальная гибридная архитектура, интегрирующая многоагентную систему и технологии генеративного искусственного интеллекта. На основе ранее предложенных методологических основ формализована многоагентная модель в виде кортежа, включающего агентов-ресурсов, агентов-потребителей, онтологическую базу знаний, семантические ограничения и локальные/глобальные критерии оптимизации. Ключевым нововведением является встраивание большой языковой модели через архитектуру Retrieval-Augmented Generation, что позволяет генерировать адаптивные стратегии планирования, обеспечивать объяснимость решений и моделировать сценарии при сбоях без риска галлюцинаций. Предложен двухстадийный алгоритм взаимодействия агентов: на первой стадии формируется допустимое расписание с учетом доступности ресурсов, на второй - проводится его оптимизация через интеллектуальные переговоры с участием генеративного ИИ. Экспериментальная проверка в симуляционной среде, имитирующей механообрабатывающий цех, показала эффективность предлагаемого подхода. Результаты подтверждают, что интеграция генеративного ИИ в многоагентные системы создает когнитивный слой, повышающий не только эффективность, но и доверие к системе, что критически важно для внедрения ИИ в реальные производственные и управленческие процессы.