Semantic Kernel è l’SDK di Microsoft per creare app e agenti di AI in C#, Python e Java. Il suo connettore OpenAI funziona con altri servizi compatibili con OpenAI: in Python accetta un tuo client OpenAI, in C# un endpoint personalizzato. BroadNet Inference serve chat completions standard su https://inference.broadnet.ai/v1, quindi funzionano entrambe le strade. BroadRouter è il sito di BroadNet; questa guida segue la documentazione di Semantic Kernel di Microsoft e il sorgente 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 viene inviato invariato, quindi mantieni il prefisso broadnet/. Quando passi un client, l’argomento api_key di OpenAIChatCompletion non serve.
Plugin e function calling
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 invia il plugin come tool chiamato weather-get_weather, lo esegue quando il modello lo richiede e rimanda indietro il risultato. Usa broadnet/glm-5.3 o broadnet/qwen3.8-27b: la documentazione di BroadNet indica gli strumenti solo per questi due.
Agenti
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 documentazione di Microsoft propone questo schema per “other AI service providers that support the OpenAI chat completion API” (traduzione: altri fornitori di servizi di AI che supportano l’API OpenAI chat completion). La versione C# non l’abbiamo eseguita.
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();
Installa il connettore con dotnet add package Microsoft.SemanticKernel.Connectors.OpenAI.
Quale modello scegliere
| Uso | Modello |
|---|---|
| Plugin, function calling, agenti | broadnet/glm-5.3 |
| Plugin con input di immagini o testo in arabo | broadnet/qwen3.8-27b |
| Chat e riassunti senza strumenti, piano a prezzo fisso | broadnet/deepseek-v4.1-flash |
Come l’abbiamo testato
Il 2026-11-15 abbiamo installato semantic-kernel 1.47.0 per Python in un ambiente virtuale pulito e abbiamo eseguito chat semplice, streaming, function calling automatico e un ChatCompletionAgent contro un server mock locale che parla il formato di chat completions di BroadNet. Abbiamo letto le richieste registrate. Sono andate tutte a /v1/chat/completions con l’ID del modello BroadNet invariato e una chiave Bearer. max_tokens è stato inviato con questo nome, lo streaming ha aggiunto stream_options.include_usage e il function calling ha inviato tool_choice: "auto". Non avevamo una chiave BroadNet, quindi non abbiamo testato l’output reale del modello. Lo snippet C# viene dalla documentazione di Microsoft e non è stato eseguito.
Risoluzione dei problemi
- 401. La chiave è sbagliata, scaduta o ha esaurito la quota.
- 404. Il
base_urldel client deve finire con/v1. Controlla l’ID del modello. I modelli a pagamento richiedono una ricarica; il credito di $5 copre solobroadnet/gemma-4-26b-a4be i due modelli Transcribe. - Risposte vuote. Su DeepSeek V4.1 Flash, GLM 5.3 e Qwen3.8 27B il ragionamento conta in
max_tokens. Alzalo. Perché le risposte arrivano vuote. - Modelli di ragionamento e ruoli. La documentazione di Microsoft suggerisce
instruction_role="developer"per i modelli di ragionamento di OpenAI. Il riferimento API di BroadNet non menziona il ruolodeveloper, quindi lasciainstruction_roleal valore predefinito. Nel nostro test l’agente ha inviato le istruzioni in un messaggiosystem. - 429. Una chiave a consumo consente 30 richieste al minuto e 4 in corso contemporaneamente. Vedi errori e retry.
