Запропоновано знання-орієнтовану ієрархічну мультиагентну інтелектуальну систему (ІМАІС) сценарного прогнозування часових рядів, у якій великі мовні моделі (LLM) використовуються як спеціалізовані інтелектуальні агенти з чітко розподіленими ролями, які не перетинаються. На основі структурно-функціональної декомпозиції та системного підходу виділено три основні класи (рівні ієрархії) інтелектуальних агентів: агенти підготовки даних та формування ознак, агенти побудови та налаштування прогнозних моделей і агенти кооперації та оцінювання невизначеності прогнозів моделей. Запропоновано формалізацію архітектур ІМАІС та інтегральний багатокритеріальний показник якості, що враховує ефективність підготовки даних, адекватність прогнозування динаміки та каліброваність зон невизначеності. Сформульовано гіпотези щодо переваг рольової декомпозиції агентів і доведено теорему про Парето-оптимальність ієрархічної ІМАІС зі спеціалізованими класами агентів за середньозваженим інтегральним критерієм якості з додатними вагами. На основі цієї формалізації розроблено відповідний сценарно-орієнтований агент-бенчмарк IMAS-SCOPE (Intelligent Multi-Agent Systems - Scenario Consistency & Optimal Prediction Evaluation), призначений для порівняння альтернативних архітектур мультиагентних систем прогнозування.