---
title: "Pydantic AI con base_url compatible con OpenAI | BroadRouter"
description: "Ejecute agentes de Pydantic AI en BroadNet Inference con OpenAIChatModel y OpenAICompatibleProvider: herramientas, salida estructurada y ajustes del perfil."
url: https://broadrouter.com/es/guides/pydantic-ai-openai-compatible/
lang: es
updated: 2026-11-16
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Traducido del inglés con ayuda de IA. [Lea el original en inglés](https://broadrouter.com/guides/pydantic-ai-openai-compatible/) (actualizado el 2026-11-16).

# Pydantic AI con BroadNet Inference (OpenAICompatibleProvider)

Actualizado 2026-11-16

Instale pydantic-ai-slim\[openai\] y cree un OpenAIChatModel con un ID de modelo de BroadNet, como broadnet/glm-5.3, y un OpenAICompatibleProvider con base URL https://inference.broadnet.ai/v1 y su clave de BroadNet como API key. Pase el modelo a Agent. Use OpenAIChatModel, no el modelo de Responses, porque BroadNet ofrece chat completions. La documentación de Pydantic AI indica que OpenAIProvider con base\_url es para la propia OpenAI.

Pydantic AI es un framework de agentes para Python creado por el equipo de Pydantic. Para un servicio sin proveedor integrado, su documentación indica usar `OpenAICompatibleProvider` con el `base_url` del servicio. BroadNet Inference ofrece chat completions estándar en `https://inference.broadnet.ai/v1`, así que ese es el camino. BroadRouter es el sitio de la propia BroadNet; esta guía sigue la documentación de Pydantic AI según la versión 2.68.

## Instalación

```bash
pip install "pydantic-ai-slim[openai]"
export BROADNET_API_KEY='your-broadnet-key'
```

## Conexión

```python
import os
from pydantic_ai import Agent
from pydantic_ai.models.openai import OpenAIChatModel
from pydantic_ai.providers.openai_compatible import OpenAICompatibleProvider

model = OpenAIChatModel(
    'broadnet/glm-5.3',
    provider=OpenAICompatibleProvider(
        'broadnet',
        base_url='https://inference.broadnet.ai/v1',
        api_key=os.environ['BROADNET_API_KEY'],
    ),
)

agent = Agent(model)
result = agent.run_sync('Give me three names for a Go linting tool.')
print(result.output)
```

Ejecutar esto es la prueba: si se imprime una respuesta, la clave, la URL y el ID del modelo son correctos.

-   **El primer argumento es el ID del modelo** que se envía a BroadNet. Úselo tal cual, con el prefijo `broadnet/`.
-   **El nombre del proveedor** (aquí `'broadnet'`) queda registrado en cada respuesta. La documentación de Pydantic AI pide mantenerlo estable, porque decide qué datos de respuestas anteriores se reenvían al servicio.
-   **Quédese en `OpenAIChatModel`.** La documentación de Pydantic AI indica usar `OpenAIResponsesModel` solo si el servicio implementa la Responses API. BroadNet no la ofrece.

## Herramientas y salida estructurada

```python
from pydantic import BaseModel

class City(BaseModel):
    name: str
    country: str

agent = Agent(model, output_type=City)
print(agent.run_sync('Which city hosts the Burj Khalifa?').output)
```

Use `broadnet/glm-5.3` o `broadnet/qwen3.8-27b` para herramientas y salida estructurada; la documentación de BroadNet indica ambas funciones solo para estos dos modelos.

## Cuándo definir un model profile

Pydantic AI elige un perfil de solicitud según el nombre del modelo. Si una función se ignora o se rechaza, su documentación indica pasar su propio `OpenAIModelProfile`. Conviene conocer dos ajustes para BroadNet:

```python
from pydantic_ai.profiles.openai import OpenAIModelProfile

model = OpenAIChatModel(
    'broadnet/glm-5.3',
    provider=OpenAICompatibleProvider('broadnet', base_url='https://inference.broadnet.ai/v1', api_key=os.environ['BROADNET_API_KEY']),
    profile=OpenAIModelProfile(
        openai_chat_supports_max_completion_tokens=False,  # send max_tokens, the field BroadNet documents
        openai_supports_strict_tool_definition=False,      # only if strict tool schemas are rejected
    ),
)
```

Pase el límite de salida mediante la configuración del modelo, por ejemplo `agent.run_sync(prompt, model_settings={'max_tokens': 2000})`. En DeepSeek V4.1 Flash, GLM 5.3 y Qwen3.8 27B, el razonamiento cuenta para ese límite.

## Qué modelo elegir

| Agente | Modelo |
| --- | --- |
| Herramientas, salida estructurada | `broadnet/glm-5.3` |
| Imágenes o texto en árabe, con herramientas | `broadnet/qwen3.8-27b` |
| Documentos largos, plan de precio fijo | `broadnet/deepseek-v4.1-flash` |
| Crédito inicial gratuito | `broadnet/gemma-4-26b-a4b` (contexto de 32,768 tokens) |

[Precios de todos los modelos](https://broadrouter.com/es/pricing/).

## Solución de problemas

-   **401.** La clave es incorrecta, caducó o se quedó sin saldo.
-   **404 o modelo no encontrado.** `base_url` debe terminar en `/v1`. Revise el ID del modelo. Los modelos de pago requieren una recarga; el crédito de $5 cubre solo `broadnet/gemma-4-26b-a4b` y los dos modelos Transcribe.
-   **Salida vacía o un bucle de reintentos por validación.** El razonamiento consumió el presupuesto de salida. Aumente `max_tokens`. [Por qué las respuestas llegan vacías](https://broadrouter.com/es/guides/reasoning-tokens-empty-response/).
-   **400 en las definiciones de herramientas.** Defina `openai_supports_strict_tool_definition=False` en el perfil y use un modelo para el que BroadNet indique herramientas.
-   **429 al ejecutar agentes en paralelo.** Una clave de pago por uso permite 30 solicitudes por minuto y 4 en curso. Consulte [errores y reintentos](https://broadrouter.com/es/guides/errors-and-retries/).

## Términos de esta guía

[Llamadas a herramientas (tool calling)](https://broadrouter.com/es/glossary/tool-calling/)

Las llamadas a herramientas (tool calling), también llamadas function calling, son una función de las APIs de LLM en la que el modelo devuelve una solicitud estructurada para ejecutar una función definida por el desarrollador, con argumentos JSON. La aplicación ejecuta la función y devuelve el resultado; el modelo nunca ejecuta código.

[Pago por uso (pay-as-you-go)](https://broadrouter.com/es/glossary/pay-as-you-go/)

El pago por uso es un modelo de precios en el que usted paga solo lo que usa, medido por unidades como tokens, solicitudes o minutos de audio, sin suscripción ni compromiso mínimo. La mayoría de las APIs de LLM cobran así, desde un saldo prepagado o con una factura periódica.

[Salida estructurada (structured output)](https://broadrouter.com/es/glossary/structured-output/)

La salida estructurada es una función de las APIs de LLM que restringe la respuesta del modelo a un formato que define el desarrollador, normalmente un JSON Schema, para que el código pueda procesarla de forma fiable. Es más estricta que JSON mode, que garantiza JSON válido pero no una forma concreta.

[Concurrencia (concurrency)](https://broadrouter.com/es/glossary/concurrency/)

La concurrencia es el número de solicitudes que un cliente tiene en curso al mismo tiempo. Las APIs de LLM suelen limitarla por clave o por plan, aparte de las solicitudes por minuto, porque cada solicitud abierta ocupa capacidad de GPU hasta que su respuesta termina.

[Límite de frecuencia (rate limit)](https://broadrouter.com/es/glossary/rate-limit/)

Un límite de frecuencia (rate limit) es un tope que una API impone a cuánto puede usarla un cliente en un periodo, como solicitudes por minuto o tokens por minuto. Las solicitudes que lo superan se rechazan, normalmente con HTTP 429 Too Many Requests, hasta que el uso vuelve a quedar por debajo.

[Token](https://broadrouter.com/es/glossary/token/)

Un token es la unidad de texto que un modelo de lenguaje lee y escribe: una palabra, parte de una palabra, un signo de puntuación o una secuencia de bytes producida por el tokenizador del modelo. Las APIs de LLM cuentan, limitan y normalmente facturan el uso en tokens.

[API de Chat Completions](https://broadrouter.com/es/glossary/chat-completions-api/)

La API de Chat Completions es el endpoint HTTP de OpenAI, POST /v1/chat/completions, que recibe un nombre de modelo y una lista de mensajes etiquetados con su rol y devuelve el siguiente mensaje del modelo. Su forma de solicitud y respuesta se convirtió en el formato común que reutilizan los proveedores y SDKs compatibles con OpenAI.

[Crédito prepago (prepaid credit)](https://broadrouter.com/es/glossary/prepaid-credit/)

El crédito prepago es dinero que se añade a una cuenta de API antes de usarla. Cada solicitud descuenta su coste del saldo y, cuando el saldo se agota, las solicitudes medidas se detienen hasta que usted recargue. Limita el gasto a lo que ha pagado.

## Preguntas frecuentes

### ¿Debo usar OpenAIProvider u OpenAICompatibleProvider con BroadNet?

OpenAICompatibleProvider. La documentación de Pydantic AI dice que OpenAIProvider también acepta base\_url, pero está pensado para la propia OpenAI o para un proxy transparente hacia ella, y da por hecho los modelos y funciones de OpenAI.

### ¿Por qué OpenAIChatModel y no el modelo de OpenAI por defecto?

El modelo de OpenAI por defecto de Pydantic AI usa la Responses API. BroadNet ofrece chat completions en /v1/chat/completions, que es lo que llama OpenAIChatModel.

### ¿Funcionan las herramientas y la salida estructurada?

Sí, en los modelos para los que BroadNet indica herramientas y salida estructurada: GLM 5.3 y Qwen3.8 27B. La documentación de BroadNet no indica herramientas para DeepSeek V4.1 Flash, así que pruebe antes en él los agentes que usan herramientas.

### ¿Cómo evito que Pydantic AI envíe max\_completion\_tokens?

Pase profile=OpenAIModelProfile(openai\_chat\_supports\_max\_completion\_tokens=False) a OpenAIChatModel. Pydantic AI enviará entonces el campo anterior max\_tokens, que es el que describe la referencia de la API de BroadNet.

## Guías relacionadas

-   [Usar el SDK de OpenAI para Python con BroadNet Inference](https://broadrouter.com/es/guides/openai-python-sdk/)
-   [Cómo usar LangChain con BroadNet Inference](https://broadrouter.com/es/guides/langchain-openai-base-url/)
-   [CrewAI con BroadNet Inference como endpoint OpenAI personalizado](https://broadrouter.com/es/guides/crewai-custom-openai-endpoint/)
-   [¿Por qué un modelo de razonamiento devuelve una respuesta vacía?](https://broadrouter.com/es/guides/reasoning-tokens-empty-response/)
-   [Todas las herramientas que funcionan con BroadNet Inference (en inglés)](https://broadrouter.com/integrations/): SDK, agentes de programación, interfaces de chat y herramientas de automatización, con la configuración exacta de cada una

Pruébelo con su carga de trabajo real. Las cuentas nuevas empiezan con USD 5 de crédito para Gemma y transcripción. DeepSeek, GLM y Qwen3.8 requieren una recarga.

[Comenzar](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=es-guides-pydantic-ai-openai-compatible&utm_content=page-cta) ·

**Fuentes**

-   [Documentación de Pydantic AI, otras APIs compatibles (otros endpoints, model profile) (consultada el 2026-11-15)](https://pydantic.dev/docs/ai/models/compatible-apis/)
-   [Documentación de Pydantic AI, modelos de OpenAI (consultada el 2026-11-15)](https://pydantic.dev/docs/ai/models/openai/)
-   [PyPI, pydantic-ai 2.68.0, Python 3.11+ (consultado el 2026-11-15)](https://pypi.org/project/pydantic-ai/)
-   [Referencia de la API de BroadNet Inference (consultada el 2026-11-15) (en inglés)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=es-guides-pydantic-ai-openai-compatible&utm_content=sources)
