---
title: "Semantic Kernel OpenAI कनेक्टर, कस्टम endpoint के साथ"
description: "Microsoft Semantic Kernel को BroadNet Inference से जोड़ें: Python में AsyncOpenAI क्लाइंट से, या C# में कस्टम endpoint से, चैट, प्लगइन और एजेंट के लिए।"
url: https://broadrouter.com/hi/guides/semantic-kernel-openai-compatible/
lang: hi
updated: 2026-11-16
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

यह पेज अंग्रेज़ी से AI की मदद से अनुवाद किया गया है। [अंग्रेज़ी मूल पढ़ें](https://broadrouter.com/guides/semantic-kernel-openai-compatible/) (2026-11-16 को अपडेट किया गया).

# Semantic Kernel को BroadNet Inference के साथ इस्तेमाल करें

अपडेट किया गया 2026-11-16

Python में base\_url https://inference.broadnet.ai/v1 और अपनी BroadNet key के साथ AsyncOpenAI बनाएँ, फिर उसे async\_client के रूप में OpenAIChatCompletion को दें, ai\_model\_id को broadnet/glm-5.3 जैसे BroadNet ID पर रखकर। C# में endpoint Uri के साथ AddOpenAIChatCompletion कॉल करें, जिसे Microsoft एक्सपेरिमेंटल (SKEXP0010) बताता है। प्लगइन के लिए GLM 5.3 या Qwen3.8 27B लें।

Semantic Kernel, C#, Python और Java में AI ऐप और एजेंट बनाने के लिए Microsoft का SDK है। इसका OpenAI कनेक्टर दूसरी OpenAI-कम्पैटिबल सर्विस के साथ भी चलता है: Python आपका अपना OpenAI क्लाइंट लेता है, और C# एक कस्टम endpoint। BroadNet Inference `https://inference.broadnet.ai/v1` पर स्टैंडर्ड chat completions देता है, इसलिए दोनों रास्ते काम करते हैं। BroadRouter, BroadNet की अपनी साइट है; यह गाइड Microsoft के Semantic Kernel डॉक्स और Python 1.47.0 के सोर्स पर आधारित है।

## 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())
```

`ai_model_id` बिना बदलाव के भेजा जाता है, इसलिए `broadnet/` प्रीफ़िक्स रहने दें। जब आप क्लाइंट देते हैं, तो `OpenAIChatCompletion` के `api_key` आर्ग्युमेंट की ज़रूरत नहीं।

### प्लगइन और फ़ंक्शन कॉलिंग

```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)
```

Semantic Kernel प्लगइन को `weather-get_weather` नाम के टूल के रूप में भेजता है, मॉडल के माँगने पर उसे चलाता है, और नतीजा वापस भेजता है। `broadnet/glm-5.3` या `broadnet/qwen3.8-27b` इस्तेमाल करें; BroadNet के डॉक्स सिर्फ़ इन दोनों के लिए टूल सूचीबद्ध करते हैं।

### एजेंट

```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)

Microsoft के डॉक्स यह पैटर्न “other AI service providers that support the OpenAI chat completion API” (अनुवाद: ऐसे दूसरे AI सर्विस प्रोवाइडर जो OpenAI chat completion API सपोर्ट करते हैं) के लिए देते हैं। हमने C# वर्ज़न नहीं चलाया।

```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();
```

कनेक्टर `dotnet add package Microsoft.SemanticKernel.Connectors.OpenAI` से इंस्टॉल करें।

## कौन-सा मॉडल चुनें

| इस्तेमाल | मॉडल |
| --- | --- |
| प्लगइन, फ़ंक्शन कॉलिंग, एजेंट | `broadnet/glm-5.3` |
| प्लगइन के साथ इमेज इनपुट या अरबी टेक्स्ट | `broadnet/qwen3.8-27b` |
| बिना टूल के चैट और सारांश, फ़्लैट-प्राइस प्लान | `broadnet/deepseek-v4.1-flash` |

[हर मॉडल की कीमतें](https://broadrouter.com/hi/pricing/)।

## हमने इसे कैसे टेस्ट किया

2026-11-15 को हमने एक साफ़ वर्चुअल एनवायरनमेंट में Python के लिए semantic-kernel 1.47.0 इंस्टॉल किया और सादी चैट, स्ट्रीमिंग, ऑटोमैटिक फ़ंक्शन कॉलिंग और एक `ChatCompletionAgent` को एक लोकल मॉक सर्वर पर चलाया, जो BroadNet के chat-completions ढाँचे में जवाब देता है। हमने लॉग हुए अनुरोध पढ़े। सभी `/v1/chat/completions` पर गए, BroadNet मॉडल ID बिना बदलाव के और Bearer key के साथ। `max_tokens` इसी नाम से भेजा गया, स्ट्रीमिंग ने `stream_options.include_usage` जोड़ा, और फ़ंक्शन कॉलिंग ने `tool_choice: "auto"` भेजा। हमारे पास BroadNet key नहीं थी, इसलिए हमने असली मॉडल आउटपुट टेस्ट नहीं किया। C# स्निपेट Microsoft के डॉक्स से है और चलाया नहीं गया।

## समस्या का समाधान

-   **401.** key ग़लत है, एक्सपायर हो गई है या अलाउंस ख़त्म हो गया है।
-   **404.** क्लाइंट का `base_url` `/v1` पर ख़त्म होना चाहिए। मॉडल ID जाँचें। पेड मॉडल के लिए टॉप-अप चाहिए; $5 क्रेडिट सिर्फ़ `broadnet/gemma-4-26b-a4b` और दो Transcribe मॉडल को कवर करता है।
-   **ख़ाली जवाब.** DeepSeek V4.1 Flash, GLM 5.3 और Qwen3.8 27B पर रीज़निंग `max_tokens` में गिनी जाती है। इसे बढ़ाएँ। [जवाब ख़ाली क्यों आते हैं](https://broadrouter.com/hi/guides/reasoning-tokens-empty-response/)।
-   **रीज़निंग मॉडल और रोल.** Microsoft के डॉक्स OpenAI के रीज़निंग मॉडल के लिए `instruction_role="developer"` सुझाते हैं। BroadNet का API रेफ़रंस `developer` रोल का ज़िक्र नहीं करता, इसलिए `instruction_role` को डिफ़ॉल्ट पर रहने दें। हमारे एजेंट टेस्ट ने निर्देश `system` मैसेज में भेजे।
-   **429.** उपयोग के अनुसार भुगतान वाली key प्रति मिनट 30 अनुरोध और एक साथ 4 चालू अनुरोध की अनुमति देती है। [एरर और रीट्राई](https://broadrouter.com/hi/guides/errors-and-retries/) देखें।

## इस गाइड के शब्द

[टूल कॉलिंग (tool calling)](https://broadrouter.com/hi/glossary/tool-calling/)

टूल कॉलिंग, जिसे function calling भी कहते हैं, LLM API की वह सुविधा है जिसमें मॉडल डेवलपर के तय किए किसी फ़ंक्शन को चलाने का एक स्ट्रक्चर्ड अनुरोध, JSON आर्ग्युमेंट के साथ, लौटाता है। ऐप्लिकेशन फ़ंक्शन चलाकर नतीजा वापस भेजता है; मॉडल ख़ुद कभी कोड नहीं चलाता।

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

AI एजेंट ऐसा सिस्टम है जिसमें लैंग्वेज मॉडल किसी लक्ष्य की ओर अपने क़दम ख़ुद तय करता है: कौन-से टूल कॉल करने हैं, चुनता है, नतीजे पढ़ता है और अंतिम जवाब या किसी सीमा तक दोहराता रहता है। तय बिंदुओं पर मॉडल को कॉल करने वाली स्क्रिप्ट को आम तौर पर workflow कहते हैं।

[उपयोग के अनुसार भुगतान (pay-as-you-go)](https://broadrouter.com/hi/glossary/pay-as-you-go/)

उपयोग के अनुसार भुगतान (pay-as-you-go) एक प्राइसिंग मॉडल है जिसमें आप सिर्फ़ उतना देते हैं जितना इस्तेमाल करते हैं, जिसे टोकन, अनुरोध या ऑडियो मिनट जैसी इकाइयों में मापा जाता है, बिना सब्सक्रिप्शन या न्यूनतम प्रतिबद्धता के। ज़्यादातर LLM API इसी तरह बिल बनाते हैं, प्रीपेड बैलेंस या समय-समय पर बनने वाले इनवॉइस से।

[कॉन्करेंसी (concurrency)](https://broadrouter.com/hi/glossary/concurrency/)

कॉन्करेंसी, किसी क्लाइंट के एक ही समय पर चल रहे (in-flight) अनुरोधों की संख्या है। LLM API अक्सर इसकी सीमा हर key या प्लान पर, प्रति मिनट अनुरोधों से अलग रखते हैं, क्योंकि हर खुला अनुरोध जवाब पूरा होने तक GPU क्षमता घेरे रहता है।

[स्ट्रीमिंग (streaming)](https://broadrouter.com/hi/glossary/streaming/)

स्ट्रीमिंग, लैंग्वेज मॉडल के जवाब को अंत में एक साथ लौटाने के बजाय, बनते समय ही छोटे-छोटे टुकड़ों (chunks) में लौटाने का तरीक़ा है। OpenAI-कम्पैटिबल API, अनुरोध में stream को true सेट करने पर server-sent events से स्ट्रीम करते हैं।

[प्रीपेड क्रेडिट (prepaid credit)](https://broadrouter.com/hi/glossary/prepaid-credit/)

प्रीपेड क्रेडिट वह पैसा है जो इस्तेमाल से पहले API अकाउंट में डाला जाता है। हर अनुरोध की लागत बैलेंस से कटती है, और बैलेंस ख़त्म होने पर मीटर वाले अनुरोध तब तक रुक जाते हैं जब तक आप टॉप-अप न करें। इससे खर्च उतने तक सीमित रहता है जितना आपने जमा किया है।

[रेट लिमिट (rate limit)](https://broadrouter.com/hi/glossary/rate-limit/)

रेट लिमिट वह सीमा है जो कोई API तय करता है कि एक क्लाइंट किसी समय-अवधि में उसका कितना इस्तेमाल कर सकता है, जैसे प्रति मिनट अनुरोध या प्रति मिनट टोकन। सीमा से ऊपर के अनुरोध ठुकरा दिए जाते हैं, आम तौर पर HTTP 429 Too Many Requests के साथ, जब तक इस्तेमाल फिर सीमा के नीचे न आ जाए।

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

Chat Completions API, OpenAI का HTTP एंडपॉइंट POST /v1/chat/completions है, जो एक मॉडल का नाम और रोल वाले मैसेज की सूची लेता है और मॉडल का अगला मैसेज लौटाता है। इसके अनुरोध और जवाब का ढाँचा वह आम फ़ॉर्मैट बन गया जिसे OpenAI-कम्पैटिबल प्रोवाइडर और SDK अपनाते हैं।

## अक्सर पूछे जाने वाले सवाल

### Python वाले Semantic Kernel में कस्टम base URL कैसे सेट करें?

वर्ज़न 1.47 में OpenAIChatCompletion का कोई base\_url आर्ग्युमेंट नहीं है। base\_url और api\_key के साथ एक openai.AsyncOpenAI क्लाइंट बनाएँ और उसे async\_client के रूप में दें। फिर वह क्लाइंट हर अनुरोध BroadNet को भेजता है।

### C# कस्टम endpoint को pragma क्यों चाहिए?

Microsoft के डॉक्स कहते हैं कि OpenAI कनेक्टर के साथ कस्टम endpoint इस्तेमाल करना एक्सपेरिमेंटल है, इसलिए endpoint वाले overload को #pragma warning disable SKEXP0010 चाहिए।

### क्या BroadNet के साथ ऑटोमैटिक फ़ंक्शन कॉलिंग चलती है?

यह chat completions पर स्टैंडर्ड टूल कॉल इस्तेमाल करती है, इसलिए ऐसा मॉडल लें जिसे BroadNet टूल के साथ सूचीबद्ध करता है: GLM 5.3 या Qwen3.8 27B। हमारे मॉक टेस्ट में Semantic Kernel ने प्लगइन को टूल के रूप में भेजा और नतीजा tool मैसेज में लौटाया।

### क्या Semantic Kernel का ChatCompletionAgent BroadNet पर चलता है?

हाँ। यह वही OpenAIChatCompletion सर्विस लेता है। हमारे Python टेस्ट में इसने एजेंट के निर्देश system मैसेज के रूप में भेजे और chat completions के ज़रिए प्लगइन कॉल किया।

## संबंधित गाइड

-   [BroadNet Inference के साथ OpenAI Python SDK इस्तेमाल करें](https://broadrouter.com/hi/guides/openai-python-sdk/)
-   [BroadNet Inference पर OpenAI Agents SDK चलाएँ](https://broadrouter.com/hi/guides/openai-agents-sdk-custom-provider/)
-   [रीज़निंग मॉडल ख़ाली जवाब क्यों लौटाता है](https://broadrouter.com/hi/guides/reasoning-tokens-empty-response/)
-   [BroadNet Inference के एरर कोड और रीट्राई कब करें](https://broadrouter.com/hi/guides/errors-and-retries/)
-   [BroadNet Inference के साथ काम करने वाले सभी टूल (अंग्रेज़ी में)](https://broadrouter.com/integrations/): SDK, कोडिंग एजेंट, चैट UI और ऑटोमेशन टूल, हर एक की सटीक सेटिंग के साथ

इसे अपने असली वर्कलोड पर आज़माएँ। नए अकाउंट Gemma और ट्रांसक्रिप्शन के लिए US$5 के क्रेडिट से शुरू होते हैं। DeepSeek, GLM, और Qwen3.8 के लिए टॉप-अप ज़रूरी है।

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

**स्रोत**

-   [Microsoft Learn, Semantic Kernel में chat completion सर्विस जोड़ना (2026-05-26 को अपडेट, 2026-11-15 को जाँचा गया)](https://learn.microsoft.com/en-us/semantic-kernel/concepts/ai-services/chat-completion/)
-   [Semantic Kernel सोर्स, python-1.47.0 पर Python OpenAIChatCompletion (2026-11-15 को जाँचा गया)](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 (2026-11-15 को जाँचा गया)](https://pypi.org/project/semantic-kernel/)
-   [BroadNet Inference API रेफ़रंस (2026-11-15 को जाँचा गया) (अंग्रेज़ी में)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=hi-guides-semantic-kernel-openai-compatible&utm_content=sources)
