---
title: "Semantic Kernel OpenAI 커넥터 커스텀 엔드포인트 설정 | BroadRouter"
description: "Microsoft Semantic Kernel을 Python에서는 AsyncOpenAI 클라이언트로, C#에서는 커스텀 엔드포인트로 BroadNet Inference에 연결해 채팅, 플러그인, 에이전트에 씁니다."
url: https://broadrouter.com/ko/guides/semantic-kernel-openai-compatible/
lang: ko
updated: 2026-11-16
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

이 페이지는 영어 원문을 AI의 도움을 받아 번역했습니다. [영어 원문 읽기](https://broadrouter.com/guides/semantic-kernel-openai-compatible/) (2026-11-16 업데이트).

# BroadNet Inference에서 Semantic Kernel 사용하기

업데이트 2026-11-16

Python에서는 base\_url을 https://inference.broadnet.ai/v1로, 키를 BroadNet 키로 지정해 AsyncOpenAI를 만들고, 이를 async\_client로 OpenAIChatCompletion에 넘기세요. ai\_model\_id는 broadnet/glm-5.3 같은 BroadNet ID로 설정합니다. C#에서는 endpoint Uri를 넣어 AddOpenAIChatCompletion을 호출하며, Microsoft는 이를 실험적 기능(SKEXP0010)으로 표시합니다. 플러그인에는 GLM 5.3이나 Qwen3.8 27B를 쓰세요.

Semantic Kernel은 C#, Python, Java로 AI 앱과 에이전트를 만드는 Microsoft의 SDK입니다. OpenAI 커넥터는 다른 OpenAI 호환 서비스와도 작동합니다. Python에서는 직접 만든 OpenAI 클라이언트를 받고, C#에서는 커스텀 엔드포인트를 받습니다. BroadNet Inference는 `https://inference.broadnet.ai/v1` 주소에서 표준 chat completions를 제공하므로 어느 방법이든 쓸 수 있습니다. BroadRouter는 BroadNet이 운영하는 사이트이며, 이 글은 Microsoft의 Semantic Kernel 문서와 Python 1.47.0 소스를 따릅니다.

## 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`는 그대로 전송되므로 `broadnet/` 접두사를 유지하세요. 클라이언트를 넘길 때는 `OpenAIChatCompletion`의 `api_key` 인수가 필요 없습니다.

### 플러그인과 함수 호출

```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 Kernel은 플러그인을 `weather-get_weather`라는 이름의 도구로 보내고, 모델이 요청하면 실행한 뒤 결과를 돌려보냅니다. `broadnet/glm-5.3` 또는 `broadnet/qwen3.8-27b` 모델을 쓰세요. BroadNet 문서가 도구를 표기한 모델은 이 두 개뿐입니다.

### 에이전트

```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 문서는 “other AI service providers that support the OpenAI chat completion API”(번역: OpenAI chat completion API를 지원하는 다른 AI 서비스 제공업체)용으로 이 패턴을 제시합니다. C# 버전은 저희가 실행해 보지 않았습니다.

```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();
```

커넥터는 `dotnet add package Microsoft.SemanticKernel.Connectors.OpenAI` 명령으로 설치하세요.

## 어떤 모델을 고를까

| 용도 | 모델 |
| --- | --- |
| 플러그인, 함수 호출, 에이전트 | `broadnet/glm-5.3` |
| 플러그인에 이미지 입력이나 아랍어 텍스트까지 | `broadnet/qwen3.8-27b` |
| 도구 없는 채팅과 요약, 정액 플랜 | `broadnet/deepseek-v4.1-flash` |

[모든 모델의 가격](https://broadrouter.com/ko/pricing/)을 확인하세요.

## 테스트 방법

2026-11-15에 깨끗한 가상 환경에 Python용 semantic-kernel 1.47.0을 설치하고, BroadNet의 chat completions 형식으로 응답하는 로컬 모의(mock) 서버를 대상으로 일반 채팅, 스트리밍, 자동 함수 호출, `ChatCompletionAgent`를 실행했습니다. 기록된 요청을 읽어 보니 모두 BroadNet 모델 ID를 그대로 담고 Bearer 키와 함께 `/v1/chat/completions`로 전송되었습니다. `max_tokens`는 그 이름 그대로 전송되었고, 스트리밍에는 `stream_options.include_usage`가 추가되었으며, 함수 호출에는 `tool_choice: "auto"`가 전송되었습니다. BroadNet 키가 없었기 때문에 실제 모델 출력은 테스트하지 않았습니다. C# 코드는 Microsoft 문서에서 가져온 것이며 실행하지 않았습니다.

## 문제 해결

-   **401.** 키가 잘못되었거나 만료되었거나 사용 가능 금액이 소진된 경우입니다.
-   **404.** 클라이언트의 `base_url`은 `/v1`로 끝나야 합니다. 모델 ID도 확인하세요. 유료 모델은 충전이 필요하며, 초기 크레딧($5 상당)은 `broadnet/gemma-4-26b-a4b` 모델과 Transcribe 모델 두 개에만 쓸 수 있습니다.
-   **빈 응답.** DeepSeek V4.1 Flash, GLM 5.3, Qwen3.8 27B에서는 추론도 `max_tokens`에 포함됩니다. 한도를 늘리세요. [답변이 비어서 오는 이유](https://broadrouter.com/ko/guides/reasoning-tokens-empty-response/)를 참고하세요.
-   **추론 모델과 역할(role).** Microsoft 문서는 OpenAI 추론 모델에 `instruction_role="developer"`를 권장합니다. BroadNet API 레퍼런스는 `developer` 역할을 언급하지 않으므로 `instruction_role`은 기본값으로 두세요. 저희 에이전트 테스트에서는 지시문이 `system` 메시지로 전송되었습니다.
-   **429.** 종량제 키는 분당 30 요청, 동시 처리 4 건까지 허용합니다. [오류와 재시도](https://broadrouter.com/ko/guides/errors-and-retries/)를 참고하세요.

## 이 가이드의 용어

[도구 호출(tool calling)](https://broadrouter.com/ko/glossary/tool-calling/)

도구 호출(tool calling)은 함수 호출(function calling)이라고도 하며, 모델이 개발자가 정의한 함수를 실행해 달라는 구조화된 요청을 JSON 인자와 함께 반환하는 LLM API 기능입니다. 함수는 애플리케이션이 실행하고 그 결과를 다시 보냅니다. 모델이 직접 코드를 실행하지는 않습니다.

[종량제(Pay-as-you-go)](https://broadrouter.com/ko/glossary/pay-as-you-go/)

종량제(pay-as-you-go)는 구독이나 최소 약정 없이 토큰, 요청, 오디오 분 같은 단위로 사용량을 측정해 쓴 만큼만 내는 요금 방식입니다. 대부분의 LLM API가 선불 잔액에서 차감하거나 정기 청구서를 발행하는 식으로 이렇게 과금합니다.

[AI 에이전트(AI agent)](https://broadrouter.com/ko/glossary/agent/)

AI 에이전트는 언어 모델이 목표를 향해 스스로 단계를 정하는 시스템입니다. 어떤 도구를 호출할지 결정하고, 결과를 읽고, 최종 답변을 내거나 한도에 닿을 때까지 이를 반복합니다. 정해진 지점에서 모델을 호출하는 고정된 스크립트는 보통 워크플로라고 부릅니다.

[동시 처리(concurrency)](https://broadrouter.com/ko/glossary/concurrency/)

동시 처리(concurrency)는 클라이언트가 같은 시점에 진행 중인 요청 수입니다. LLM API는 분당 요청 수와 별도로 키나 플랜마다 이를 제한하는 경우가 많습니다. 열려 있는 요청은 응답이 끝날 때까지 GPU 용량을 차지하기 때문입니다.

[속도 제한(rate limit)](https://broadrouter.com/ko/glossary/rate-limit/)

속도 제한(rate limit)은 API가 일정 시간 동안 클라이언트가 사용할 수 있는 양에 두는 상한으로, 분당 요청 수나 분당 토큰 수 같은 기준이 있습니다. 한도를 넘은 요청은 사용량이 다시 한도 아래로 내려갈 때까지 거부되며, 보통 HTTP 429 Too Many Requests가 반환됩니다.

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

Chat Completions API는 OpenAI의 HTTP 엔드포인트인 POST /v1/chat/completions로, 모델 이름과 역할이 붙은 메시지 목록을 받아 모델의 다음 메시지를 반환합니다. 이 요청과 응답 구조는 OpenAI 호환 제공업체와 SDK가 재사용하는 공통 형식이 되었습니다.

[LLM 정액 플랜(Flat-rate LLM plan)](https://broadrouter.com/ko/glossary/flat-rate-llm-plan/)

LLM 정액 플랜은 언어 모델 API를 토큰당 과금하지 않고, 한 달 같은 기간 단위로 고정 요금을 받는 요금제입니다. 이런 플랜은 보통 동시 실행 수, 속도, 모델, 사용 시간대 같은 다른 항목을 제한하므로 가격만큼 제한 조건도 중요합니다.

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

OpenAI 호환 API는 POST /v1/chat/completions처럼 OpenAI API와 같은 요청 및 응답 형식을 받는 HTTP API입니다. 그래서 OpenAI SDK와 도구는 base URL, API 키, 모델 이름만 바꾸면 이 API를 그대로 사용할 수 있습니다.

## 자주 묻는 질문

### Python용 Semantic Kernel에서 커스텀 base URL은 어떻게 지정하나요?

1.47 버전의 OpenAIChatCompletion에는 base\_url 인수가 없습니다. base\_url과 api\_key로 openai.AsyncOpenAI 클라이언트를 만들고 async\_client로 넘기세요. 그러면 이 클라이언트가 모든 요청을 BroadNet으로 보냅니다.

### C# 커스텀 엔드포인트에 pragma가 필요한 이유는 무엇인가요?

Microsoft 문서에 따르면 OpenAI 커넥터에서 커스텀 엔드포인트를 쓰는 것은 실험적 기능이므로, endpoint 오버로드에는

### BroadNet에서 자동 함수 호출이 작동하나요?

자동 함수 호출은 chat completions의 표준 도구 호출을 쓰므로, BroadNet이 도구를 표기한 GLM 5.3이나 Qwen3.8 27B를 쓰세요. 저희 모의 테스트에서 Semantic Kernel은 플러그인을 도구로 보냈고, 결과를 tool 메시지로 돌려보냈습니다.

### Semantic Kernel의 ChatCompletionAgent가 BroadNet에서 작동하나요?

네. 같은 OpenAIChatCompletion 서비스를 받습니다. 저희 Python 테스트에서 에이전트 지시문을 system 메시지로 보냈고, chat completions를 통해 플러그인을 호출했습니다.

## 관련 가이드

-   [BroadNet Inference에서 OpenAI Python SDK 사용하기](https://broadrouter.com/ko/guides/openai-python-sdk/)
-   [BroadNet Inference에서 OpenAI Agents SDK 실행하기](https://broadrouter.com/ko/guides/openai-agents-sdk-custom-provider/)
-   [추론 모델이 빈 답변을 반환하는 이유](https://broadrouter.com/ko/guides/reasoning-tokens-empty-response/)
-   [BroadNet Inference 오류 코드와 재시도해야 하는 경우](https://broadrouter.com/ko/guides/errors-and-retries/)
-   [BroadNet Inference와 함께 쓸 수 있는 모든 도구 (영어)](https://broadrouter.com/integrations/): SDK, 코딩 에이전트, 채팅 UI, 자동화 도구와 각 도구의 정확한 설정

실제 워크로드로 테스트해 보세요. 신규 계정에는 US$5 상당의 초기 크레딧이 제공되며 Gemma 및 음성 전사에 사용할 수 있습니다. DeepSeek, GLM 및 Qwen3.8 모델은 충전이 필요합니다.

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

**출처**

-   [Microsoft Learn, Semantic Kernel에 채팅 완성 서비스 추가하기(2026-05-26 업데이트, 2026-11-15 확인)](https://learn.microsoft.com/en-us/semantic-kernel/concepts/ai-services/chat-completion/)
-   [Semantic Kernel 소스, python-1.47.0의 Python OpenAIChatCompletion(2026-11-15 확인)](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 확인)](https://pypi.org/project/semantic-kernel/)
-   [BroadNet Inference API 레퍼런스(2026-11-15 확인) (영어)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ko-guides-semantic-kernel-openai-compatible&utm_content=sources)
