BroadRouter
Comenzar

Semantic Kernel con BroadNet Inference

Actualizado

En Python, cree AsyncOpenAI con base_url https://inference.broadnet.ai/v1 y su clave de BroadNet, y páselo como async_client a OpenAIChatCompletion con ai_model_id en un ID de BroadNet como broadnet/glm-5.3. En C#, llame a AddOpenAIChatCompletion con un endpoint de tipo Uri, que Microsoft marca como experimental (SKEXP0010). Use GLM 5.3 o Qwen3.8 27B para plugins.

Semantic Kernel es el SDK de Microsoft para crear aplicaciones y agentes de IA en C#, Python y Java. Su conector de OpenAI funciona con otros servicios compatibles con OpenAI: en Python acepta su propio cliente de OpenAI y en C# acepta un endpoint personalizado. BroadNet Inference sirve chat completions estándar en https://inference.broadnet.ai/v1, así que cualquiera de las dos vías funciona. BroadRouter es el sitio de la propia BroadNet; esta guía sigue la documentación de Semantic Kernel de Microsoft y el código fuente de Python 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 se envía sin cambios, así que conserve el prefijo broadnet/. El argumento api_key de OpenAIChatCompletion no hace falta cuando pasa un cliente.

Plugins y llamada a funciones

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 envía el plugin como una herramienta llamada weather-get_weather, la ejecuta cuando el modelo lo pide y le devuelve el resultado. Use broadnet/glm-5.3 o broadnet/qwen3.8-27b; la documentación de BroadNet indica herramientas solo para estos dos.

Agentes

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)

La documentación de Microsoft da este patrón para “other AI service providers that support the OpenAI chat completion API” (traducción: otros proveedores de servicios de IA que admiten la API de chat completion de OpenAI). No ejecutamos la versión en C#.

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();

Instale el conector con dotnet add package Microsoft.SemanticKernel.Connectors.OpenAI.

Qué modelo elegir

Uso Modelo
Plugins, llamada a funciones, agentes broadnet/glm-5.3
Plugins con entrada de imágenes o texto en árabe broadnet/qwen3.8-27b
Chat y resúmenes sin herramientas, plan de tarifa plana broadnet/deepseek-v4.1-flash

Precios de todos los modelos.

Cómo lo probamos

El 2026-11-15 instalamos semantic-kernel 1.47.0 para Python en un entorno virtual limpio y ejecutamos chat simple, streaming, llamada automática a funciones y un ChatCompletionAgent contra un servidor simulado local que habla el formato de chat completions de BroadNet. Leímos las solicitudes registradas. Todas fueron a /v1/chat/completions con el ID de modelo de BroadNet sin cambios y una clave Bearer. max_tokens se envió con ese nombre, el streaming agregó stream_options.include_usage y la llamada a funciones envió tool_choice: "auto". No teníamos una clave de BroadNet, así que no probamos la salida de un modelo real. El fragmento de C# proviene de la documentación de Microsoft y no se ejecutó.

Solución de problemas

  • 401. La clave es incorrecta, expiró o se quedó sin saldo.
  • 404. El base_url del cliente 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.
  • Respuestas vacías. El razonamiento cuenta para max_tokens en DeepSeek V4.1 Flash, GLM 5.3 y Qwen3.8 27B. Súbalo. Por qué las respuestas llegan vacías.
  • Modelos de razonamiento y roles. La documentación de Microsoft sugiere instruction_role="developer" para los modelos de razonamiento de OpenAI. La referencia de la API de BroadNet no menciona el rol developer, así que deje instruction_role en su valor predeterminado. Nuestra prueba del agente envió las instrucciones en un mensaje system.
  • 429. Una clave de pago por uso permite 30 solicitudes por minuto y 4 simultáneas. Consulte errores y reintentos.

Preguntas frecuentes

¿Cómo configuro una base URL personalizada en Semantic Kernel para Python?

OpenAIChatCompletion no tiene un argumento base_url en la versión 1.47. Cree un cliente openai.AsyncOpenAI con base_url y api_key, y páselo como async_client. Ese cliente envía entonces cada solicitud a BroadNet.

¿Por qué el endpoint personalizado en C# necesita un pragma?

La documentación de Microsoft dice que usar endpoints personalizados con el conector de OpenAI es experimental, así que la sobrecarga con endpoint necesita #pragma warning disable SKEXP0010.

¿Funciona la llamada automática a funciones con BroadNet?

Usa llamadas a herramientas estándar sobre chat completions, así que use un modelo que BroadNet indique con herramientas: GLM 5.3 o Qwen3.8 27B. En nuestra prueba con un servidor simulado, Semantic Kernel envió el plugin como herramienta y devolvió el resultado en un mensaje tool.

¿Funciona ChatCompletionAgent de Semantic Kernel con BroadNet?

Sí. Usa el mismo servicio OpenAIChatCompletion. En nuestra prueba con Python envió las instrucciones del agente como mensaje system y llamó al plugin mediante chat completions.

Leer en MarkdownPreguntar a ChatGPTPreguntar a ClaudePreguntar a Perplexity