---
title: "موصّل OpenAI في Semantic Kernel مع نقطة نهاية مخصّصة"
description: "اربط Microsoft Semantic Kernel بـ BroadNet Inference في Python عبر عميل AsyncOpenAI، أو في C# عبر نقطة نهاية مخصّصة، للمحادثة والإضافات والوكلاء."
url: https://broadrouter.com/ar/guides/semantic-kernel-openai-compatible/
lang: ar
updated: 2026-11-16
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

تُرجمت هذه الصفحة من الإنجليزية بمساعدة الذكاء الاصطناعي. [اقرأ الأصل الإنجليزي](https://broadrouter.com/guides/semantic-kernel-openai-compatible/) (حُدّث في 2026-11-16).

# استخدام Semantic Kernel مع BroadNet Inference

آخر تحديث 2026-11-16

في Python، أنشئ AsyncOpenAI مع base\_url بقيمة https://inference.broadnet.ai/v1 ومفتاح BroadNet، ثم مرّره بوصفه async\_client إلى OpenAIChatCompletion مع ضبط ai\_model\_id على معرّف من BroadNet مثل broadnet/glm-5.3. وفي C#، استدعِ AddOpenAIChatCompletion مع endpoint من نوع Uri، وهو ما تصفه Microsoft بأنه تجريبي (SKEXP0010). استخدم GLM 5.3 أو Qwen3.8 27B للإضافات.

Semantic Kernel هي حزمة SDK من Microsoft لبناء تطبيقات الذكاء الاصطناعي والوكلاء بلغات C# وPython وJava. ويعمل موصّل OpenAI فيها مع خدمات أخرى متوافقة مع OpenAI: ففي Python يأخذ عميل OpenAI الخاص بك، وفي C# يأخذ نقطة نهاية مخصّصة. وتقدّم BroadNet Inference واجهة chat completions القياسية على `https://inference.broadnet.ai/v1`، فيعمل الطريقان كلاهما. BroadRouter هو موقع BroadNet نفسها؛ ويتبع هذا الدليل توثيق Microsoft لـ Semantic Kernel والشيفرة المصدرية لإصدار Python 1.47.0.

## Python

```bash
pip install semantic-kernel
export BROADNET_API_KEY='your-broadnet-key'
```

```python
import asyncio, os
from openai import AsyncOpenAI
from semantic_kernel.connectors.ai.open_ai import OpenAIChatCompletion, OpenAIChatPromptExecutionSettings
from semantic_kernel.contents import ChatHistory

client = AsyncOpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])
chat = OpenAIChatCompletion(ai_model_id="broadnet/glm-5.3", async_client=client, service_id="broadnet")

async def main():
    history = ChatHistory()
    history.add_user_message("Give me three names for a billing microservice.")
    settings = OpenAIChatPromptExecutionSettings(max_tokens=4000)
    print(await chat.get_chat_message_content(chat_history=history, settings=settings))

asyncio.run(main())
```

يُرسَل `ai_model_id` كما هو دون تغيير، فأبقِ البادئة `broadnet/`. ولا حاجة إلى الوسيط `api_key` في `OpenAIChatCompletion` حين تمرّر عميلًا.

### الإضافات واستدعاء الدوال

```python
from semantic_kernel import Kernel
from semantic_kernel.connectors.ai.function_choice_behavior import FunctionChoiceBehavior
from semantic_kernel.functions import kernel_function

class Weather:
    @kernel_function(description="Get the weather for a city.")
    def get_weather(self, city: str) -> str:
        return f"21C in {city}"

kernel = Kernel()
kernel.add_service(chat)
kernel.add_plugin(Weather(), plugin_name="weather")
settings = OpenAIChatPromptExecutionSettings(
    max_tokens=4000,
    function_choice_behavior=FunctionChoiceBehavior.Auto(),
)
# await chat.get_chat_message_content(chat_history=history, settings=settings, kernel=kernel)
```

يرسل Semantic Kernel الإضافة (plugin) بوصفها أداة باسم `weather-get_weather`، ويشغّلها حين يطلبها النموذج، ثم يعيد النتيجة إليه. استخدم `broadnet/glm-5.3` أو `broadnet/qwen3.8-27b`؛ فتوثيق BroadNet لا يُدرج الأدوات إلا لهذين النموذجين.

### الوكلاء

```python
from semantic_kernel.agents import ChatCompletionAgent

agent = ChatCompletionAgent(service=chat, name="helper", instructions="Answer briefly.", plugins=[Weather()])
# response = await agent.get_response(messages="What's the weather in Dubai?")
```

## C# (.NET)

يقدّم توثيق Microsoft هذا النمط لـ “other AI service providers that support the OpenAI chat completion API” (ترجمة: مزوّدي خدمات الذكاء الاصطناعي الآخرين الذين يدعمون OpenAI chat completion API). لم نشغّل نسخة C#.

```csharp
using Microsoft.SemanticKernel;

#pragma warning disable SKEXP0010
IKernelBuilder kernelBuilder = Kernel.CreateBuilder();
kernelBuilder.AddOpenAIChatCompletion(
    modelId: "broadnet/glm-5.3",
    apiKey: Environment.GetEnvironmentVariable("BROADNET_API_KEY"),
    endpoint: new Uri("https://inference.broadnet.ai/v1")
);
Kernel kernel = kernelBuilder.Build();
```

ثبّت الموصّل بالأمر `dotnet add package Microsoft.SemanticKernel.Connectors.OpenAI`.

## أي نموذج تختار

| الاستخدام | النموذج |
| --- | --- |
| الإضافات واستدعاء الدوال والوكلاء | `broadnet/glm-5.3` |
| الإضافات مع إدخال الصور أو النص العربي | `broadnet/qwen3.8-27b` |
| المحادثة والتلخيص من دون أدوات، بخطة سعرها ثابت | `broadnet/deepseek-v4.1-flash` |

[أسعار كل النماذج](https://broadrouter.com/ar/pricing/).

## كيف اختبرنا هذا

في 2026-11-15 ثبّتنا semantic-kernel 1.47.0 لـ Python في بيئة افتراضية نظيفة، وشغّلنا محادثة عادية وبثًا متدفقًا واستدعاء دوال تلقائيًا و`ChatCompletionAgent` على خادم وهمي محلي يتحدث بنية chat completions الخاصة بـ BroadNet. وقرأنا الطلبات المسجّلة: ذهبت كلها إلى `/v1/chat/completions` بمعرّف نموذج BroadNet دون تغيير ومفتاح Bearer. وأُرسل `max_tokens` بهذا الاسم، وأضاف البث المتدفق `stream_options.include_usage`، وأرسل استدعاء الدوال `tool_choice: "auto"`. لم يكن لدينا مفتاح BroadNet، لذا لم نختبر مخرجات نموذج حقيقية. ومقتطف C# مأخوذ من توثيق Microsoft ولم يُشغَّل.

## حل المشكلات

-   **401.** المفتاح خاطئ أو منتهي الصلاحية أو استنفد رصيده.
-   **404.** يجب أن ينتهي `base_url` في العميل بـ `/v1`. وتحقّق من معرّف النموذج. النماذج المدفوعة تحتاج إلى شحن الرصيد؛ والرصيد البالغ $5 يغطي `broadnet/gemma-4-26b-a4b` ونموذجَي Transcribe.
-   **ردود فارغة.** يُحتسب الاستدلال ضمن `max_tokens` في DeepSeek V4.1 Flash وGLM 5.3 وQwen3.8 27B، فارفعه. راجع [لماذا تعود الإجابات فارغة](https://broadrouter.com/ar/guides/reasoning-tokens-empty-response/).
-   **نماذج الاستدلال والأدوار.** يقترح توثيق Microsoft ضبط `instruction_role="developer"` لنماذج الاستدلال من OpenAI. لكن المرجع التقني لـ BroadNet API لا يذكر الدور `developer`، فاترك `instruction_role` على قيمته الافتراضية. وقد أرسل اختبارنا للوكيل التعليمات في رسالة `system`.
-   **429.** يسمح مفتاح الدفع حسب الاستخدام بـ 30 من الطلبات في الدقيقة و4 قيد التنفيذ. راجع [الأخطاء وإعادة المحاولة](https://broadrouter.com/ar/guides/errors-and-retries/).

## مصطلحات في هذا الدليل

[الدفع حسب الاستخدام (Pay-as-you-go)](https://broadrouter.com/ar/glossary/pay-as-you-go/)

الدفع حسب الاستخدام هو نموذج تسعير تدفع فيه مقابل ما تستخدمه فقط، مقيسًا بوحدات مثل الرموز (التوكنات) أو الطلبات أو دقائق الصوت، دون اشتراك أو حد أدنى للالتزام. وتحتسب معظم واجهات LLM API تكلفتها بهذه الطريقة، من رصيد مدفوع مسبقًا أو بفاتورة دورية.

[استدعاء الأدوات (Tool calling)](https://broadrouter.com/ar/glossary/tool-calling/)

استدعاء الأدوات، ويُسمّى أيضًا استدعاء الدوال (function calling)، ميزة في واجهات LLM API يُرجع فيها النموذج طلبًا منظَّمًا لتشغيل دالة عرّفها المطوّر، مع معاملات بصيغة JSON. ويشغّل التطبيق الدالة ويعيد النتيجة؛ فالنموذج لا يشغّل الشيفرة بنفسه أبدًا.

[التزامن (Concurrency)](https://broadrouter.com/ar/glossary/concurrency/)

التزامن (concurrency) هو عدد الطلبات التي تكون لدى العميل قيد التنفيذ في الوقت نفسه. وكثيرًا ما تضع واجهات LLM API سقفًا له لكل مفتاح أو خطة، بمعزل عن عدد الطلبات في الدقيقة، لأن كل طلب مفتوح يشغل قدرة من وحدة GPU حتى تكتمل استجابته.

[Chat Completions API (واجهة إكمال المحادثة)](https://broadrouter.com/ar/glossary/chat-completions-api/)

Chat Completions API هي نقطة نهاية HTTP لدى OpenAI، أي POST /v1/chat/completions، تستقبل اسم نموذج وقائمة رسائل موسومة بأدوارها وتُرجع الرسالة التالية من النموذج. وصارت بنية طلبها واستجابتها الصيغة المشتركة التي يعيد استخدامها المزوّدون المتوافقون مع OpenAI وحزم SDK.

[البث المتدفق (Streaming)](https://broadrouter.com/ar/glossary/streaming/)

البث المتدفق (streaming) طريقة لإرجاع استجابة النموذج اللغوي على أجزاء صغيرة أثناء توليدها، بدل إرجاعها ردًا واحدًا في النهاية. وتبث الواجهات المتوافقة مع OpenAI عبر أحداث يرسلها الخادم (server-sent events) حين يضبط الطلب stream على true.

[الرصيد المدفوع مسبقًا (Prepaid credit)](https://broadrouter.com/ar/glossary/prepaid-credit/)

الرصيد المدفوع مسبقًا هو مال يُضاف إلى حساب API قبل الاستخدام. يُخصم من الرصيد ثمن كل طلب، وعندما ينفد الرصيد تتوقف الطلبات المحتسبة بالاستهلاك حتى تشحن رصيدك. وهو يحصر الإنفاق في حدود ما دفعته.

[حد المعدل (Rate limit)](https://broadrouter.com/ar/glossary/rate-limit/)

حد المعدل هو سقف تفرضه واجهة API على مقدار استخدام العميل لها خلال فترة زمنية، مثل عدد الطلبات في الدقيقة أو الرموز في الدقيقة. وتُرفض الطلبات التي تتجاوزه، غالبًا بالخطأ HTTP 429 Too Many Requests، إلى أن يعود الاستخدام تحت الحد.

## أسئلة شائعة

### كيف أضبط base URL مخصّصًا في Semantic Kernel لـ Python؟

لا يملك OpenAIChatCompletion وسيطًا باسم base\_url في الإصدار 1.47. أنشئ عميل openai.AsyncOpenAI مع base\_url وapi\_key، ومرّره بوصفه async\_client. وعندها يرسل ذلك العميل كل طلب إلى BroadNet.

### لماذا تحتاج نقطة النهاية المخصّصة في C# إلى pragma؟

يقول توثيق Microsoft إن استخدام نقاط النهاية المخصّصة مع موصّل OpenAI تجريبي، لذا تحتاج دالة التحميل الزائد التي تأخذ endpoint إلى #pragma warning disable SKEXP0010.

### هل يعمل استدعاء الدوال التلقائي مع BroadNet؟

يستخدم استدعاءات أدوات قياسية عبر chat completions، فاستخدم نموذجًا تُدرج له BroadNet الأدوات: GLM 5.3 أو Qwen3.8 27B. وفي اختبارنا على خادم وهمي، أرسل Semantic Kernel الإضافة بوصفها أداة وأعاد النتيجة في رسالة tool.

### هل يعمل ChatCompletionAgent من Semantic Kernel على BroadNet؟

نعم. فهو يأخذ خدمة OpenAIChatCompletion نفسها. وفي اختبارنا بـ Python أرسل تعليمات الوكيل في رسالة system واستدعى الإضافة عبر chat completions.

## أدلة ذات صلة

-   [استخدام OpenAI Python SDK مع BroadNet Inference](https://broadrouter.com/ar/guides/openai-python-sdk/)
-   [تشغيل OpenAI Agents SDK على BroadNet Inference](https://broadrouter.com/ar/guides/openai-agents-sdk-custom-provider/)
-   [لماذا يعيد نموذج الاستدلال إجابة فارغة؟](https://broadrouter.com/ar/guides/reasoning-tokens-empty-response/)
-   [رموز أخطاء BroadNet Inference ومتى تعيد المحاولة](https://broadrouter.com/ar/guides/errors-and-retries/)
-   [كل الأدوات التي تعمل مع BroadNet Inference (بالإنجليزية)](https://broadrouter.com/integrations/): حِزم SDK ووكلاء البرمجة وواجهات الدردشة وأدوات الأتمتة، مع الإعدادات الدقيقة لكل منها

جرّبه على مهامك الفعلية. تبدأ الحسابات الجديدة برصيد قدره $5 لاستخدام Gemma والتفريغ الصوتي. أما DeepSeek وGLM وQwen3.8 فتتطلب شحن الرصيد.

[ابدأ الآن](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ar-guides-semantic-kernel-openai-compatible&utm_content=page-cta) ·

**المصادر**

-   [Microsoft Learn، صفحة Add chat completion services to Semantic Kernel (حُدّثت في 2026-05-26، رُوجعت في 2026-11-15)](https://learn.microsoft.com/en-us/semantic-kernel/concepts/ai-services/chat-completion/)
-   [الشيفرة المصدرية لـ Semantic Kernel، الصنف OpenAIChatCompletion في Python بالإصدار python-1.47.0 (رُوجعت في 2026-11-15)](https://github.com/microsoft/semantic-kernel/blob/python-1.47.0/python/semantic_kernel/connectors/ai/open_ai/services/open_ai_chat_completion.py)
-   [PyPI، الحزمة semantic-kernel 1.47.0 (رُوجعت في 2026-11-15)](https://pypi.org/project/semantic-kernel/)
-   [المرجع التقني لـ BroadNet Inference API (رُوجع في 2026-11-15) (بالإنجليزية)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ar-guides-semantic-kernel-openai-compatible&utm_content=sources)
