---
title: "Semantic Kernel OpenAI connector na may custom endpoint"
description: "Ikonekta ang Microsoft Semantic Kernel sa BroadNet Inference: Python gamit ang AsyncOpenAI client, o C# gamit ang custom endpoint, para sa chat, plugins at agents."
url: https://broadrouter.com/fil/guides/semantic-kernel-openai-compatible/
lang: fil
updated: 2026-11-16
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Isinalin mula sa Ingles sa tulong ng AI. [Basahin ang orihinal sa Ingles](https://broadrouter.com/guides/semantic-kernel-openai-compatible/) (na-update noong 2026-11-16).

# Semantic Kernel sa BroadNet Inference

Na-update 2026-11-16

Sa Python, gumawa ng AsyncOpenAI na may base\_url na https://inference.broadnet.ai/v1 at ang BroadNet key mo, saka ipasa ito bilang async\_client sa OpenAIChatCompletion na may ai\_model\_id na BroadNet ID gaya ng broadnet/glm-5.3. Sa C#, tawagin ang AddOpenAIChatCompletion na may endpoint Uri, na minarkahan ng Microsoft na experimental (SKEXP0010). GLM 5.3 o Qwen3.8 27B ang gamitin para sa plugins.

Ang Semantic Kernel ay SDK ng Microsoft para gumawa ng mga AI app at agent sa C#, Python at Java. Gumagana ang OpenAI connector nito sa ibang OpenAI-compatible na serbisyo: sa Python, tumatanggap ito ng sarili mong OpenAI client, at sa C#, ng custom endpoint. Karaniwang chat completions ang sine-serve ng BroadNet Inference sa `https://inference.broadnet.ai/v1`, kaya gagana ang alinman sa dalawa. Ang BroadRouter ay sariling site ng BroadNet; sinusundan ng gabay na ito ang docs ng Semantic Kernel ng Microsoft at ang source ng 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())
```

Ipinapadala nang walang pagbabago ang `ai_model_id`, kaya panatilihin ang `broadnet/` prefix. Hindi na kailangan ang `api_key` argument ng `OpenAIChatCompletion` kapag nagpasa ka ng client.

### Plugins at function calling

```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)
```

Ipinapadala ng Semantic Kernel ang plugin bilang tool na may pangalang `weather-get_weather`, pinapatakbo ito kapag hiniling ng model, at ibinabalik ang resulta. Gamitin ang `broadnet/glm-5.3` o `broadnet/qwen3.8-27b`; ang dalawang ito lang ang may nakalistang tools sa docs ng BroadNet.

### Agents

```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)

Ibinibigay ng docs ng Microsoft ang pattern na ito para sa “other AI service providers that support the OpenAI chat completion API” (Salin: ibang AI service provider na sumusuporta sa OpenAI chat completion API). Hindi namin pinatakbo ang bersyong 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();
```

I-install ang connector gamit ang `dotnet add package Microsoft.SemanticKernel.Connectors.OpenAI`.

## Aling model ang pipiliin

| Gamit | Model |
| --- | --- |
| Plugins, function calling, agents | `broadnet/glm-5.3` |
| Plugins kasama ang image input o Arabic na text | `broadnet/qwen3.8-27b` |
| Chat at mga summary nang walang tools, flat-price na plan | `broadnet/deepseek-v4.1-flash` |

[Presyo ng bawat model](https://broadrouter.com/fil/pricing/).

## Paano namin ito sinubok

Noong 2026-11-15, nag-install kami ng semantic-kernel 1.47.0 para sa Python sa isang malinis na virtual environment at pinatakbo ang plain chat, streaming, automatic function calling at isang `ChatCompletionAgent` laban sa isang lokal na mock server na sumusunod sa chat-completions na format ng BroadNet. Binasa namin ang mga naka-log na request. Lahat ay pumunta sa `/v1/chat/completions` nang hindi nagbago ang BroadNet model ID at may Bearer key. Ipinadala ang `max_tokens` sa pangalang iyon, nagdagdag ang streaming ng `stream_options.include_usage`, at nagpadala ang function calling ng `tool_choice: "auto"`. Wala kaming BroadNet key, kaya hindi namin sinubok ang totoong output ng model. Galing sa docs ng Microsoft ang C# snippet at hindi ito pinatakbo.

## Troubleshooting

-   **401.** Mali, expired o naubusan ng allowance ang key.
-   **404.** Kailangang nagtatapos sa `/v1` ang `base_url` ng client. Suriin ang model ID. Kailangan ng top-up ang mga bayad na model; ang `broadnet/gemma-4-26b-a4b` at ang dalawang Transcribe model lang ang sakop ng $5 na credit.
-   **Walang lamang sagot.** Kasama ang reasoning sa `max_tokens` sa DeepSeek V4.1 Flash, GLM 5.3 at Qwen3.8 27B. Taasan ito. [Bakit walang laman ang mga sagot](https://broadrouter.com/fil/guides/reasoning-tokens-empty-response/).
-   **Mga reasoning model at roles.** Iminumungkahi ng docs ng Microsoft ang `instruction_role="developer"` para sa mga reasoning model ng OpenAI. Hindi binabanggit ng API reference ng BroadNet ang `developer` role, kaya iwan ang `instruction_role` sa default nito. Ipinadala ng agent test namin ang mga instruction sa isang `system` message.
-   **429.** Ang isang pay-as-you-go key ay may 30 request kada minuto at 4 na sabay na tumatakbo. Tingnan ang [errors and retries](https://broadrouter.com/fil/guides/errors-and-retries/).

## Mga termino sa gabay na ito

[Tool calling (function calling)](https://broadrouter.com/fil/glossary/tool-calling/)

Ang tool calling, tinatawag ding function calling, ay feature ng LLM API kung saan nagbabalik ang model ng structured na request para magpatakbo ng function na tinukoy ng developer, kasama ang JSON arguments. Ang application ang nagpapatakbo ng function at nagpapadala pabalik ng resulta; hindi kailanman nagpapatakbo ng code ang model mismo.

[AI agent](https://broadrouter.com/fil/glossary/agent/)

Ang AI agent ay isang system kung saan ang language model mismo ang nagdidirekta ng mga hakbang nito tungo sa isang layunin: pinipili nito kung aling tools ang tatawagin, binabasa ang mga resulta at umuulit hanggang makabuo ng huling sagot o maabot ang limit. Workflow naman ang karaniwang tawag sa fixed na script na tumatawag sa model sa takdang punto.

[API key](https://broadrouter.com/fil/glossary/api-key/)

Ang API key ay isang lihim na string na kumikilala at nagpapahintulot sa client na tumatawag sa isang API. Kadalasang hinihingi ito ng mga LLM API sa Authorization: Bearer header, at ang sinumang may hawak ng key ay makakagawa ng mga request na sisingilin sa account na may-ari nito.

[Pay-as-you-go](https://broadrouter.com/fil/glossary/pay-as-you-go/)

Ang pay-as-you-go ay paraan ng pagpepresyo kung saan ang nagamit mo lang ang binabayaran mo, sinusukat kada yunit gaya ng token, request o minuto ng audio, nang walang subscription o minimum na commitment. Ganito naniningil ang karamihan ng LLM API, mula sa prepaid na balance o sa pana-panahong invoice.

[Streaming](https://broadrouter.com/fil/glossary/streaming/)

Ang streaming ay paraan ng pagbabalik ng sagot ng language model nang paunti-unting chunk habang binubuo pa ito, sa halip na iisang sagot sa dulo. Sa mga OpenAI-compatible na API, dumadaan ang streaming sa server-sent events kapag naka-set sa true ang stream sa request.

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

Ang Chat Completions API ay HTTP endpoint ng OpenAI, POST /v1/chat/completions, na tumatanggap ng pangalan ng model at listahan ng mga message na may role, at ibinabalik ang susunod na message ng model. Ang hugis ng request at response nito ang naging karaniwang format na ginagamit din ng mga OpenAI-compatible na provider at SDK.

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

Ang concurrency ay ang bilang ng request na sabay-sabay na in flight mula sa isang client. Madalas itong nililimitahan ng mga LLM API kada key o plan, hiwalay sa requests per minute, dahil humahawak ng GPU capacity ang bawat bukas na request hanggang matapos ang response nito.

[Prepaid credit](https://broadrouter.com/fil/glossary/prepaid-credit/)

Ang prepaid credit ay perang idinadagdag sa isang API account bago gamitin. Ibinabawas sa balance ang gastos ng bawat request, at kapag naubos ang balance, titigil ang mga metered request hanggang mag-top-up ka. Nililimitahan nito ang gastos sa halagang naibayad mo na.

## Mga tanong

### Paano ko ise-set ang custom base URL sa Semantic Kernel para sa Python?

Walang base\_url na argument ang OpenAIChatCompletion sa bersyon 1.47. Gumawa ng openai.AsyncOpenAI client na may base\_url at api\_key, at ipasa ito bilang async\_client. Ipapadala na ng client na iyon ang bawat request sa BroadNet.

### Bakit kailangan ng pragma ang custom endpoint sa C#?

Sabi ng docs ng Microsoft, experimental pa ang paggamit ng custom endpoints sa OpenAI connector, kaya kailangan ng endpoint overload ang

### Gumagana ba ang automatic function calling sa BroadNet?

Karaniwang tool calls sa chat completions ang gamit nito, kaya gumamit ng model na nakalista sa BroadNet na may tools, GLM 5.3 o Qwen3.8 27B. Sa mock test namin, ipinadala ng Semantic Kernel ang plugin bilang tool at ibinalik ang resulta sa isang tool message.

### Gumagana ba ang ChatCompletionAgent ng Semantic Kernel sa BroadNet?

Oo. Ginagamit nito ang parehong OpenAIChatCompletion service. Sa Python test namin, ipinadala nito ang mga instruction ng agent bilang system message at tinawag ang plugin sa pamamagitan ng chat completions.

## Mga kaugnay na gabay

-   [Paano gamitin ang OpenAI Python SDK sa BroadNet Inference](https://broadrouter.com/fil/guides/openai-python-sdk/)
-   [Patakbuhin ang OpenAI Agents SDK sa BroadNet Inference](https://broadrouter.com/fil/guides/openai-agents-sdk-custom-provider/)
-   [Bakit walang laman ang sagot ng isang reasoning model](https://broadrouter.com/fil/guides/reasoning-tokens-empty-response/)
-   [Mga error code ng BroadNet Inference at kailan dapat mag-retry](https://broadrouter.com/fil/guides/errors-and-retries/)
-   [Lahat ng tool na gumagana sa BroadNet Inference (Ingles)](https://broadrouter.com/integrations/): mga SDK, coding agent, chat UI at automation tool, kasama ang eksaktong setting ng bawat isa

Subukan ito sa totoong workload mo. May US$5 na panimulang credit ang mga bagong account para sa Gemma at transcription. Kailangan ng top-up para sa DeepSeek, GLM, at Qwen3.8.

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

**Mga source**

-   [Microsoft Learn, Add chat completion services to Semantic Kernel (na-update noong 2026-05-26, sinuri noong 2026-11-15)](https://learn.microsoft.com/en-us/semantic-kernel/concepts/ai-services/chat-completion/)
-   [Source ng Semantic Kernel, Python OpenAIChatCompletion sa python-1.47.0 (sinuri noong 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, semantic-kernel 1.47.0 (sinuri noong 2026-11-15)](https://pypi.org/project/semantic-kernel/)
-   [API reference ng BroadNet Inference (sinuri noong 2026-11-15) (Ingles)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=fil-guides-semantic-kernel-openai-compatible&utm_content=sources)
