---
title: "LangGraph でカスタムの OpenAI 互換 base_url を使う | BroadRouter"
description: "ChatOpenAI、base_url、BroadNet のモデル ID で LangGraph の StateGraph や create_agent を BroadNet Inference 上で動かします。ツール、ストリーミング、メモリーも扱います。"
url: https://broadrouter.com/ja/guides/langgraph-openai-compatible/
lang: ja
updated: 2026-11-16
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

このページは英語の原文を AI の支援を受けて翻訳したものです。[英語の原文を読む](https://broadrouter.com/guides/langgraph-openai-compatible/)（2026-11-16 更新）。

# BroadNet Inference で LangGraph エージェントを作る

更新日 2026-11-16

langgraph と langchain-openai をインストールし、ChatOpenAI を model に broadnet/glm-5.3 などの BroadNet の ID、base\_url に https://inference.broadnet.ai/v1、api\_key に BroadNet のキーを指定して作成します。ツールをバインドして StateGraph のノードで使うか、langchain の create\_agent に渡します。BroadNet がツールを記載している GLM 5.3 か Qwen3.8 27B を使ってください。

LangGraph は、状態を持つ多段階のエージェントをグラフとして作るための、LangChain のライブラリです。独自のモデルクライアントは持たず、ノードが LangChain のチャットモデルを呼び出します。グラフを BroadNet Inference で動かすには、`langchain-openai` の `ChatOpenAI` に BroadNet のベース URL を指定して渡します。BroadRouter は BroadNet 自身のサイトです。この記事は LangGraph 1.2.22 と langchain-openai 1.8 時点の LangGraph と LangChain のドキュメントに基づいています。

## インストール

```bash
pip install langgraph langchain-openai
export BROADNET_API_KEY='your-broadnet-key'
```

## ツールを呼び出すグラフ

```python
import os
from langchain_openai import ChatOpenAI
from langchain_core.tools import tool
from langgraph.graph import StateGraph, MessagesState, START
from langgraph.prebuilt import ToolNode, tools_condition
from langgraph.checkpoint.memory import InMemorySaver

@tool
def get_weather(city: str) -> str:
    """Get the weather for a city."""
    return f"21C and sunny in {city}"

tools = [get_weather]
model = ChatOpenAI(
    model="broadnet/glm-5.3",
    base_url="https://inference.broadnet.ai/v1",
    api_key=os.environ["BROADNET_API_KEY"],
).bind_tools(tools)

def call_model(state: MessagesState):
    return {"messages": [model.invoke(state["messages"])]}

builder = StateGraph(MessagesState)
builder.add_node("model", call_model)
builder.add_node("tools", ToolNode(tools))
builder.add_edge(START, "model")
builder.add_conditional_edges("model", tools_condition)
builder.add_edge("tools", "model")
graph = builder.compile(checkpointer=InMemorySaver())

config = {"configurable": {"thread_id": "demo-1"}}
result = graph.invoke({"messages": [{"role": "user", "content": "What's the weather in Riyadh?"}]}, config)
print(result["messages"][-1].content)
```

model ノードが BroadNet を呼び出します。返答にツール呼び出しが含まれていれば、`tools_condition` がグラフを tools ノードに進め、ツールの結果がモデルに戻ります。チェックポインターは `thread_id` ごとに会話を保存するので、同じ config で 2 回目の `invoke` を呼ぶと会話の続きになります。

## グラフからトークンをストリーミングする

```python
for chunk, meta in graph.stream(
    {"messages": [{"role": "user", "content": "And in Dubai?"}]},
    config,
    stream_mode="messages",
):
    if chunk.content and meta["langgraph_node"] == "model":
        print(chunk.content, end="", flush=True)
```

`stream_mode="messages"` を指定すると、`ChatOpenAI` は BroadNet に `stream: true` を送り、LangGraph がトークンをそのまま流します。

## プリビルトのエージェント

独自のグラフが不要なら、プリビルトのエージェントループに同じモデルを渡せます。

```python
from langchain.agents import create_agent  # pip install langchain

agent = create_agent(
    ChatOpenAI(model="broadnet/glm-5.3", base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"]),
    tools=tools,
)
agent.invoke({"messages": [{"role": "user", "content": "Weather in Riyadh?"}]})
```

`langgraph.prebuilt` の `create_react_agent` も LangGraph 1.2.22 でまだ動きますが、`langchain.agents.create_agent` に移動したという警告が表示されます。

## モデルの選び方

| グラフ | モデル |
| --- | --- |
| ツールを使うエージェント、構造化出力 | `broadnet/glm-5.3`（コンテキスト 1,048,576 トークン） |
| ツールと画像入力、またはアラビア語のテキスト | `broadnet/qwen3.8-27b`（コンテキスト 262,144 トークン） |
| ツール呼び出しのないグラフ、長い文書 | `broadnet/deepseek-v4.1-flash` |

BroadNet のドキュメントでツールと構造化出力が記載されているのは GLM 5.3 と Qwen3.8 27B だけです。DeepSeek V4.1 Flash は[無制限プラン](https://broadrouter.com/ja/guides/unlimited-llm-api-sessions/)のモデルなので、ツールを呼ばない「要約して振り分ける」タイプのグラフに向いています。ツールループに使う場合は、頼る前にテストしてください。[全モデルの料金](https://broadrouter.com/ja/pricing/)。

## 重要な設定

-   **chat completions を使い続けます。** BroadNet が提供しているのは `/v1/chat/completions` です。LangChain のドキュメントによると、OpenAI の組み込みツール、会話状態、`reasoning` パラメーターを使うと `ChatOpenAI` は Responses API に切り替わります。これらは使わず、`use_responses_api=True` も設定しないでください。
-   **出力上限。** DeepSeek V4.1 Flash、GLM 5.3、Qwen3.8 27B では推論も出力の上限に含まれます。モデルの `max_tokens` を 2,000 以上にしてください。私たちのテストでは、langchain-openai 1.8 はこれを `max_completion_tokens` として送りました。
-   **並列ブランチ。** モデルを呼ぶブランチはそれぞれ別のリクエストになります。従量課金のキーでは処理中のリクエストは同時に 4 個まで、プランのセッションは一度に 1 つずつ処理します。

## テスト方法

2026-11-15 に、クリーンな仮想環境に langgraph 1.2.22、langchain-openai 1.8.0、langchain 1.5.0 をインストールしました。上のグラフ、ストリーミングのループ、`create_agent` を、BroadNet の chat completions の形式で応答しツール呼び出しを返すローカルのモックサーバーに向けて実行し、記録されたリクエストを確認しました。すべての呼び出しが `/v1/chat/completions` に届き、モデル ID `broadnet/glm-5.3` はそのまま、Bearer キーとツールのスキーマが付いていて、ツールの結果は `tool` メッセージとして返ってきました。BroadNet のキーは持っていなかったため、実際のモデル出力はテストしていません。

## トラブルシューティング

-   **401。** キーが間違っている、期限切れ、または利用枠を使い切っています。
-   **404。** `base_url` は `/v1` で終わっている必要があります。`broadnet/` プレフィックスを含めてモデル ID を確認してください。有料モデルにはチャージが必要です。$5 のクレジットで使えるのは `broadnet/gemma-4-26b-a4b` と 2 つの Transcribe モデルだけです。
-   **エージェントがツールを呼ばない。** `broadnet/glm-5.3` か `broadnet/qwen3.8-27b` に切り替えてください。
-   **回答が空になる。** 出力の上限を推論で使い切っています。`max_tokens` を上げてください。[回答が空で返ってくる理由](https://broadrouter.com/ja/guides/reasoning-tokens-empty-response/)。
-   **429。** 従量課金のキーでは 1 分あたり 30 リクエストまでです。`ChatOpenAI` に `max_retries` を追加し、[エラーとリトライ](https://broadrouter.com/ja/guides/errors-and-retries/)を参照してください。

## このガイドの用語

[AI エージェント（AI agent）](https://broadrouter.com/ja/glossary/agent/)

AI エージェントとは、言語モデルが目標に向けて自分で手順を決めるシステムです。どのツールを呼ぶかを決め、結果を読み、最終回答を出すか上限に達するまで繰り返します。決まった箇所でモデルを呼ぶ固定のスクリプトは、ふつうワークフローと呼ばれます。

[トークン（token）](https://broadrouter.com/ja/glossary/token/)

トークンとは、言語モデルが読み書きするテキストの単位です。モデルのトークナイザーが作る単語、単語の一部、句読点、バイト列のいずれかにあたります。LLM API は利用量をトークンで数え、上限を設け、通常はトークン単位で課金します。

[Chat Completions API（チャット補完 API）](https://broadrouter.com/ja/glossary/chat-completions-api/)

Chat Completions API とは、OpenAI の HTTP エンドポイント POST /v1/chat/completions で、モデル名とロール付きメッセージのリストを受け取り、モデルの次のメッセージを返します。そのリクエストと応答の形は、OpenAI 互換のプロバイダーや SDK が使う共通形式になりました。

[max\_tokens（最大出力トークン数）](https://broadrouter.com/ja/glossary/max-tokens/)

max\_tokens とは、モデルが 1 回の応答で生成できるトークン数の上限を決める LLM API のパラメーターです。生成が上限に達すると止まり、応答は途中で打ち切られたものとして、たとえば finish\_reason が "length" になります。

[構造化出力（Structured Outputs）](https://broadrouter.com/ja/glossary/structured-output/)

構造化出力とは、モデルの回答を開発者が指定した形式（通常は JSON Schema）に制約し、コードで確実に解析できるようにする LLM API の機能です。有効な JSON であることだけを保証し、特定の形までは保証しない JSON モードより厳格です。

[従量課金（pay-as-you-go）](https://broadrouter.com/ja/glossary/pay-as-you-go/)

従量課金とは、使った分だけを支払う料金体系です。トークン、リクエスト、音声の分数などの単位で計測され、サブスクリプションや最低利用額はありません。多くの LLM API はこの方式で、前払いの残高か定期的な請求書から支払います。

[ツール呼び出し（Function Calling、tool calling）](https://broadrouter.com/ja/glossary/tool-calling/)

ツール呼び出し（Function Calling とも呼ばれます）とは、開発者が定義した関数の実行を求める構造化されたリクエストを、モデルが JSON の引数付きで返す LLM API の機能です。関数を実行して結果を返すのはアプリケーションで、モデル自身がコードを実行することはありません。

[プリペイドクレジット（prepaid credit）](https://broadrouter.com/ja/glossary/prepaid-credit/)

プリペイドクレジットとは、使用前に API アカウントに入金しておくお金です。リクエストごとに費用が残高から差し引かれ、残高がなくなると、チャージするまで従量課金のリクエストは止まります。支出は支払った額までに抑えられます。

## よくある質問

### LangGraph には BroadNet 専用のインテグレーションが必要ですか？

必要ありません。LangGraph はノードが呼び出すチャットモデルをそのまま動かします。LangChain の ChatOpenAI で base\_url を https://inference.broadnet.ai/v1 にすれば、モデルを呼ぶすべてのノードが chat completions で BroadNet に接続します。

### create\_react\_agent と create\_agent のどちらを使うべきですか？

LangGraph 1.2 では、langgraph.prebuilt の create\_react\_agent はまだ動きますが、langchain パッケージの create\_agent を案内する非推奨の警告が出ます。どちらも BroadNet 形式のモデル ID で私たちのモックサーバーに対して動作しました。

### LangGraph のエージェントにはどの BroadNet モデルを使えばよいですか？

GLM 5.3（broadnet/glm-5.3）か Qwen3.8 27B（broadnet/qwen3.8-27b）です。エージェントのループはツール呼び出しに依存しており、BroadNet がツールを記載しているのはこの 2 つのモデルだけです。

### 設定した max\_tokens が max\_completion\_tokens として送られるのはなぜですか？

langchain-openai 1.8 はリクエスト内で max\_tokens を max\_completion\_tokens に名前を変えて送ります。BroadNet の API リファレンスに記載されているのは max\_tokens です。出力上限が効いていないように見える場合は、アプリが実際に送っているリクエストを確認してください。

## 関連ガイド

-   [LangChain で BroadNet Inference を使う](https://broadrouter.com/ja/guides/langchain-openai-base-url/)
-   [OpenAI Agents SDK を BroadNet Inference で動かす](https://broadrouter.com/ja/guides/openai-agents-sdk-custom-provider/)
-   [推論モデルが空の回答を返す理由](https://broadrouter.com/ja/guides/reasoning-tokens-empty-response/)
-   [BroadNet Inference のエラーコードとリトライすべき場合](https://broadrouter.com/ja/guides/errors-and-retries/)
-   [BroadNet Inference で使えるすべてのツール（英語）](https://broadrouter.com/integrations/)：SDK、コーディングエージェント、チャット UI、自動化ツールと、それぞれの正確な設定

実際のワークロードで試してください。新規アカウントには US$5 の初回クレジットがあり、Gemma、文字起こし に使えます。DeepSeek、GLM、Qwen3.8 はチャージが必要です。

[始める](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ja-guides-langgraph-openai-compatible&utm_content=page-cta) ·

**出典**

-   [LangGraph ドキュメント、クイックスタートと Graph API（2026-11-15 確認）](https://docs.langchain.com/oss/python/langgraph/graph-api)
-   [LangChain ドキュメント、ChatOpenAI インテグレーション（2026-11-15 確認）](https://docs.langchain.com/oss/python/integrations/chat/openai)
-   [PyPI、langgraph 1.2.22（2026-11-15 確認）](https://pypi.org/project/langgraph/)
-   [BroadNet Inference API リファレンス（2026-11-15 確認）（英語）](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ja-guides-langgraph-openai-compatible&utm_content=sources)
