Semantic Kernel ist Microsofts SDK, um KI-Apps und Agenten in C#, Python und Java zu bauen. Sein OpenAI-Connector funktioniert mit anderen OpenAI-kompatiblen Diensten: In Python übergeben Sie Ihren eigenen OpenAI-Client, in C# einen eigenen Endpunkt. BroadNet Inference stellt unter https://inference.broadnet.ai/v1 Standard-Chat-Completions bereit, daher funktionieren beide Wege. BroadRouter ist die Website von BroadNet; diese Anleitung folgt der Semantic-Kernel-Dokumentation von Microsoft und dem Python-Quellcode von 1.47.0.
Python
pip install semantic-kernel
export BROADNET_API_KEY='your-broadnet-key'
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())
ai_model_id wird unverändert gesendet; behalten Sie also das Präfix broadnet/ bei. Das Argument api_key von OpenAIChatCompletion brauchen Sie nicht, wenn Sie einen Client übergeben.
Plugins und Function Calling
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)
Semantic Kernel sendet das Plugin als Tool namens weather-get_weather, führt es aus, wenn das Modell danach fragt, und schickt das Ergebnis zurück. Nutzen Sie broadnet/glm-5.3 oder broadnet/qwen3.8-27b; die BroadNet-Dokumentation nennt Tools nur für diese beiden.
Agenten
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)
Die Microsoft-Dokumentation nennt dieses Muster für „other AI service providers that support the OpenAI chat completion API“ (Übersetzung: „andere KI-Dienstanbieter, die die OpenAI Chat Completion API unterstützen“). Die C#-Version haben wir nicht ausgeführt.
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();
Installieren Sie den Connector mit dotnet add package Microsoft.SemanticKernel.Connectors.OpenAI.
Welches Modell passt?
| Einsatz | Modell |
|---|---|
| Plugins, Function Calling, Agenten | broadnet/glm-5.3 |
| Plugins plus Bildeingabe oder arabischer Text | broadnet/qwen3.8-27b |
| Chat und Zusammenfassungen ohne Tools, Flatrate-Plan | broadnet/deepseek-v4.1-flash |
So haben wir das getestet
Am 2026-11-15 haben wir semantic-kernel 1.47.0 für Python in einer frischen virtuellen Umgebung installiert und einfachen Chat, Streaming, automatisches Function Calling und einen ChatCompletionAgent gegen einen lokalen Mock-Server ausgeführt, der das Chat-Completions-Format von BroadNet spricht. Die protokollierten Anfragen haben wir ausgewertet. Alle gingen an /v1/chat/completions, mit unveränderter BroadNet-Modell-ID und einem Bearer-Schlüssel. max_tokens wurde unter diesem Namen gesendet, Streaming ergänzte stream_options.include_usage, und Function Calling sendete tool_choice: "auto". Wir hatten keinen BroadNet-Schlüssel und haben daher keine echte Modellausgabe getestet. Das C#-Snippet stammt aus der Microsoft-Dokumentation und wurde nicht ausgeführt.
Fehlerbehebung
- 401. Der Schlüssel ist falsch, abgelaufen oder sein Kontingent ist aufgebraucht.
- 404. Die
base_urldes Clients muss auf/v1enden. Prüfen Sie die Modell-ID. Kostenpflichtige Modelle brauchen eine Aufladung; das Guthaben von $5 deckt nurbroadnet/gemma-4-26b-a4bund die beiden Transcribe-Modelle ab. - Leere Antworten. Bei DeepSeek V4.1 Flash, GLM 5.3 und Qwen3.8 27B zählt Reasoning zu
max_tokens. Erhöhen Sie den Wert. Warum Antworten leer zurückkommen. - Reasoning-Modelle und Rollen. Die Microsoft-Dokumentation empfiehlt
instruction_role="developer"für Reasoning-Modelle von OpenAI. Die API-Referenz von BroadNet erwähnt die Rolledevelopernicht; lassen Sieinstruction_roledaher auf dem Standardwert. Unser Agent-Test hat die Anweisungen in einersystem-Nachricht gesendet. - 429. Ein Pay-as-you-go-Schlüssel erlaubt 30 Anfragen pro Minute und 4 gleichzeitig laufende. Siehe Fehlercodes und Retries.
