Semantic Kernel est le SDK de Microsoft pour créer des applications et des agents d’IA en C#, Python et Java. Son connecteur OpenAI fonctionne avec d’autres services compatibles OpenAI : en Python, il accepte votre propre client OpenAI ; en C#, un endpoint personnalisé. BroadNet Inference sert des chat completions standard à l’adresse https://inference.broadnet.ai/v1 : les deux voies fonctionnent. BroadRouter est le site de BroadNet ; ce guide suit la documentation Semantic Kernel de Microsoft et le code source 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 est envoyé tel quel : gardez le préfixe broadnet/. L’argument api_key de OpenAIChatCompletion est inutile quand vous passez un client.
Plugins et appel de fonctions
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 envoie le plugin comme un outil nommé weather-get_weather, l’exécute quand le modèle le demande et renvoie le résultat. Utilisez broadnet/glm-5.3 ou broadnet/qwen3.8-27b ; la documentation de BroadNet n’indique les outils que pour ces deux modèles.
Agents
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 documentation de Microsoft donne ce modèle pour les « other AI service providers that support the OpenAI chat completion API » (traduction : « autres fournisseurs de services d’IA qui prennent en charge l’API de chat completion d’OpenAI »). Nous n’avons pas exécuté la version 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();
Installez le connecteur avec dotnet add package Microsoft.SemanticKernel.Connectors.OpenAI.
Quel modèle choisir ?
| Usage | Modèle |
|---|---|
| Plugins, appel de fonctions, agents | broadnet/glm-5.3 |
| Plugins avec entrée d’images ou texte arabe | broadnet/qwen3.8-27b |
| Chat et résumés sans outils, forfait à prix fixe | broadnet/deepseek-v4.1-flash |
Comment nous l’avons testé
Le 15 novembre 2026, nous avons installé semantic-kernel 1.47.0 pour Python dans un environnement virtuel vierge et exécuté un chat simple, du streaming, l’appel automatique de fonctions et un ChatCompletionAgent contre un serveur fictif local qui parle le format chat completions de BroadNet. Nous avons lu les requêtes journalisées. Toutes sont allées vers /v1/chat/completions, avec l’ID de modèle BroadNet inchangé et une clé Bearer. max_tokens a été envoyé sous ce nom, le streaming a ajouté stream_options.include_usage, et l’appel de fonctions a envoyé tool_choice: "auto". Faute de clé BroadNet, nous n’avons pas testé de vraie sortie de modèle. L’extrait C# provient de la documentation de Microsoft et n’a pas été exécuté.
Dépannage
- 401. La clé est erronée, a expiré ou a épuisé son allocation.
- 404. La
base_urldu client doit se terminer par/v1. Vérifiez l’ID du modèle. Les modèles payants nécessitent une recharge ; le crédit de $5 ne couvre quebroadnet/gemma-4-26b-a4bet les deux modèles Transcribe. - Réponses vides. Sur DeepSeek V4.1 Flash, GLM 5.3 et Qwen3.8 27B, le raisonnement compte dans
max_tokens. Augmentez-le. Pourquoi les réponses reviennent vides. - Modèles de raisonnement et rôles. La documentation de Microsoft suggère
instruction_role="developer"pour les modèles de raisonnement d’OpenAI. La référence de l’API de BroadNet ne mentionne pas le rôledeveloper: laissez doncinstruction_roleà sa valeur par défaut. Notre test d’agent a envoyé les instructions dans un messagesystem. - 429. Une clé à l’usage autorise 30 requêtes par minute et 4 requêtes en cours. Voir codes d’erreur et nouvelles tentatives.
