---
title: "Semantic Kernel の OpenAI コネクタでカスタムエンドポイント | BroadRouter"
description: "Microsoft Semantic Kernel を BroadNet Inference に接続します。Python では AsyncOpenAI クライアント、C# ではカスタムエンドポイントを使い、チャット、プラグイン、エージェントに対応します。"
url: https://broadrouter.com/ja/guides/semantic-kernel-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/semantic-kernel-openai-compatible/) (2026-11-16 更新).

# Semantic Kernel で BroadNet Inference を使う

更新日 2026-11-16

Python では base\_url を https://inference.broadnet.ai/v1 にし、BroadNet のキーで AsyncOpenAI を作成して、OpenAIChatCompletion に async\_client として渡します。ai\_model\_id は broadnet/glm-5.3 などの BroadNet の ID です。C# では endpoint の Uri を指定して AddOpenAIChatCompletion を呼びます。Microsoft はこれを実験的機能（SKEXP0010）としています。プラグインには GLM 5.3 か Qwen3.8 27B を使います。

Semantic Kernel は、C#、Python、Java で AI アプリやエージェントを作るための Microsoft の SDK です。OpenAI コネクタは、ほかの OpenAI 互換サービスでも使えます。Python では自分で作った OpenAI クライアントを、C# ではカスタムエンドポイントを渡します。BroadNet Inference は `https://inference.broadnet.ai/v1` で標準の chat completions を提供しているので、どちらの方法でも使えます。BroadRouter は BroadNet 自身のサイトです。このガイドは Microsoft の Semantic Kernel のドキュメントと Python 1.47.0 のソースに基づいています。

## 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` はそのまま送られるので、`broadnet/` プレフィックスは残してください。クライアントを渡す場合、`OpenAIChatCompletion` の `api_key` 引数は不要です。

### プラグインと関数呼び出し

```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 はプラグインを `weather-get_weather` という名前のツールとして送り、モデルが要求したときに実行して、結果を送り返します。`broadnet/glm-5.3` か `broadnet/qwen3.8-27b` を使ってください。BroadNet のドキュメントでツール対応が記載されているのはこの 2 つだけです。

### エージェント

```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 のドキュメントでは、“other AI service providers that support the OpenAI chat completion API”（訳：OpenAI の chat completion API に対応したほかの AI サービスプロバイダー）向けに次の書き方を紹介しています。C# 版は実行していません。

```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();
```

コネクタは `dotnet add package Microsoft.SemanticKernel.Connectors.OpenAI` でインストールします。

## モデルの選び方

| 用途 | モデル |
| --- | --- |
| プラグイン、関数呼び出し、エージェント | `broadnet/glm-5.3` |
| プラグインに加えて画像入力やアラビア語のテキスト | `broadnet/qwen3.8-27b` |
| ツールを使わないチャットや要約、定額プラン | `broadnet/deepseek-v4.1-flash` |

[全モデルの料金](https://broadrouter.com/ja/pricing/)。

## テスト方法

2026-11-15 に、クリーンな仮想環境に Python 版 semantic-kernel 1.47.0 をインストールし、BroadNet の chat completions の形式で応答するローカルのモックサーバーに対して、通常のチャット、ストリーミング、自動関数呼び出し、`ChatCompletionAgent` を実行しました。記録されたリクエストを確認したところ、すべて `/v1/chat/completions` に届き、BroadNet のモデル ID はそのまま、Bearer キーが付いていました。`max_tokens` はその名前で送られ、ストリーミングでは `stream_options.include_usage` が追加され、関数呼び出しでは `tool_choice: "auto"` が送られました。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。C# のスニペットは Microsoft のドキュメントからのもので、実行していません。

## トラブルシューティング

-   **401。** キーが間違っているか、期限切れか、利用枠を使い切っています。
-   **404。** クライアントの `base_url` は `/v1` で終わっている必要があります。モデル ID も確認してください。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。
-   **応答が空。** DeepSeek V4.1 Flash、GLM 5.3、Qwen3.8 27B では推論が `max_tokens` に含まれます。上限を上げてください。[回答が空で返ってくる理由](https://broadrouter.com/ja/guides/reasoning-tokens-empty-response/)。
-   **推論モデルとロール。** Microsoft のドキュメントは、OpenAI の推論モデルには `instruction_role="developer"` を勧めています。BroadNet の API リファレンスには `developer` ロールの記載がないため、`instruction_role` はデフォルトのままにしてください。私たちのエージェントのテストでは、instructions は `system` メッセージで送られました。
-   **429。** 従量課金のキーでは 1 分あたり 30 リクエスト、処理中のリクエストは同時に 4 個までです。[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。

[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。

[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。

[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。

[OpenAI 互換 API（OpenAI-compatible API）](https://broadrouter.com/ja/glossary/openai-compatible-api/)

OpenAI 互換 API とは、POST /v1/chat/completions など OpenAI API と同じリクエスト形式とレスポンス形式を受け付ける HTTP API です。OpenAI の SDK やツールは、ベース URL、API キー、モデル名を変えるだけで利用できます。

[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。

[レート制限（rate limit）](https://broadrouter.com/ja/glossary/rate-limit/)

レート制限とは、1 分あたりのリクエスト数やトークン数など、一定時間内にクライアントが API を使える量に API 側が設ける上限です。上限を超えたリクエストは、使用量が下回るまで通常 HTTP 429 Too Many Requests で拒否されます。

[同時実行数（concurrency）](https://broadrouter.com/ja/glossary/concurrency/)

同時実行数（concurrency）とは、クライアントが同時に処理中にしているリクエストの数です。開いているリクエストは応答が終わるまで GPU の容量を占有するため、LLM API は毎分リクエスト数とは別に、キーやプランごとにこれを制限することがよくあります。

## よくある質問

### Python の Semantic Kernel でカスタムの base URL を設定するには？

バージョン 1.47 の OpenAIChatCompletion には base\_url 引数がありません。base\_url と api\_key を指定して openai.AsyncOpenAI クライアントを作成し、async\_client として渡します。以降のリクエストはすべてそのクライアント経由で BroadNet に送られます。

### C# のカスタムエンドポイントで pragma が必要なのはなぜですか？

Microsoft のドキュメントでは、OpenAI コネクタでカスタムエンドポイントを使うことは実験的機能とされています。そのため endpoint を受け取るオーバーロードには #pragma warning disable SKEXP0010 が必要です。

### 自動関数呼び出しは BroadNet で動きますか？

chat completions 上の標準的なツール呼び出しを使うため、BroadNet がツール対応として記載している GLM 5.3 か Qwen3.8 27B を使ってください。私たちのモックテストでは、Semantic Kernel はプラグインをツールとして送り、結果を tool メッセージで返しました。

### Semantic Kernel の ChatCompletionAgent は BroadNet で動きますか？

はい。同じ OpenAIChatCompletion サービスを使います。私たちの Python のテストでは、エージェントの instructions を system メッセージとして送り、chat completions 経由でプラグインを呼び出しました。

## 関連ガイド

-   [OpenAI Python SDK を BroadNet Inference で使う](https://broadrouter.com/ja/guides/openai-python-sdk/)
-   [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-semantic-kernel-openai-compatible&utm_content=page-cta) ·

**出典**

-   [Microsoft Learn：Add chat completion services to Semantic Kernel（2026-05-26 更新、2026-11-15 確認）](https://learn.microsoft.com/en-us/semantic-kernel/concepts/ai-services/chat-completion/)
-   [Semantic Kernel のソース：python-1.47.0 の Python OpenAIChatCompletion（2026-11-15 確認）](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 の semantic-kernel 1.47.0（2026-11-15 確認）](https://pypi.org/project/semantic-kernel/)
-   [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-semantic-kernel-openai-compatible&utm_content=sources)
