---
title: "Semantic Kernel OpenAI کنیکٹر، کسٹم endpoint کے ساتھ"
description: "Microsoft Semantic Kernel کو BroadNet Inference سے جوڑیں: Python میں AsyncOpenAI کلائنٹ سے، یا C# میں کسٹم endpoint سے، چیٹ، پلگ انز اور ایجنٹس کے لیے۔"
url: https://broadrouter.com/ur/guides/semantic-kernel-openai-compatible/
lang: ur
updated: 2026-11-16
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

یہ صفحہ انگریزی سے AI کی مدد سے ترجمہ کیا گیا ہے۔ [انگریزی اصل پڑھیں](https://broadrouter.com/guides/semantic-kernel-openai-compatible/) (اپ ڈیٹ: 2026-11-16).

# Semantic Kernel کو BroadNet Inference کے ساتھ استعمال کریں

اپ ڈیٹ 2026-11-16

Python میں base\_url https://inference.broadnet.ai/v1 اور اپنی BroadNet کلید کے ساتھ AsyncOpenAI بنائیں، پھر اسے async\_client کے طور پر OpenAIChatCompletion کو دیں، اور ai\_model\_id کو broadnet/glm-5.3 جیسے BroadNet ID پر رکھیں۔ C# میں endpoint Uri کے ساتھ AddOpenAIChatCompletion کال کریں، جسے Microsoft تجرباتی (SKEXP0010) قرار دیتا ہے۔ پلگ انز کے لیے GLM 5.3 یا Qwen3.8 27B لیں۔

Semantic Kernel، C#، Python اور Java میں AI ایپس اور ایجنٹس بنانے کے لیے Microsoft کا SDK ہے۔ اس کا OpenAI کنیکٹر دوسری OpenAI-compatible سروسز کے ساتھ بھی کام کرتا ہے: Python آپ کا اپنا OpenAI کلائنٹ لیتا ہے، اور C# ایک کسٹم endpoint۔ BroadNet Inference، `https://inference.broadnet.ai/v1` پر معیاری chat completions فراہم کرتا ہے، اس لیے دونوں راستے کام کرتے ہیں۔ BroadRouter، BroadNet کی اپنی سائٹ ہے؛ یہ گائیڈ Microsoft کی Semantic Kernel دستاویزات اور Python 1.47.0 کے سورس پر مبنی ہے۔

## 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` بغیر تبدیلی کے بھیجا جاتا ہے، اس لیے `broadnet/` پری فکس رہنے دیں۔ جب آپ کلائنٹ دیتے ہیں تو `OpenAIChatCompletion` کے `api_key` آرگیومنٹ کی ضرورت نہیں۔

### پلگ انز اور فنکشن کالنگ

```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 پلگ ان کو `weather-get_weather` نام کے ٹول کے طور پر بھیجتا ہے، ماڈل کے مانگنے پر اسے چلاتا ہے، اور نتیجہ واپس بھیجتا ہے۔ `broadnet/glm-5.3` یا `broadnet/qwen3.8-27b` استعمال کریں؛ BroadNet کی دستاویزات صرف ان دونوں کے لیے ٹولز درج کرتی ہیں۔

### ایجنٹس

```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 کی دستاویزات یہ طریقہ “other AI service providers that support the OpenAI chat completion API” (ترجمہ: ایسے دوسرے AI سروس فراہم کنندگان جو OpenAI chat completion API سپورٹ کرتے ہیں) کے لیے دیتی ہیں۔ ہم نے C# ورژن نہیں چلایا۔

```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();
```

کنیکٹر `dotnet add package Microsoft.SemanticKernel.Connectors.OpenAI` سے انسٹال کریں۔

## کون سا ماڈل چنیں

| استعمال | ماڈل |
| --- | --- |
| پلگ انز، فنکشن کالنگ، ایجنٹس | `broadnet/glm-5.3` |
| پلگ انز کے ساتھ تصویری ان پٹ یا عربی متن | `broadnet/qwen3.8-27b` |
| ٹولز کے بغیر چیٹ اور خلاصے، فلیٹ قیمت والا پلان | `broadnet/deepseek-v4.1-flash` |

[ہر ماڈل کی قیمتیں](https://broadrouter.com/ur/pricing/)۔

## ہم نے اسے کیسے ٹیسٹ کیا

2026-11-15 کو ہم نے ایک صاف ورچوئل انوائرنمنٹ میں Python کے لیے semantic-kernel 1.47.0 انسٹال کیا اور سادہ چیٹ، اسٹریمنگ، خودکار فنکشن کالنگ اور ایک `ChatCompletionAgent` ایک لوکل موک سرور پر چلائے جو BroadNet کی chat-completions ساخت میں جواب دیتا ہے۔ ہم نے لاگ کی گئی درخواستیں پڑھیں۔ سب `/v1/chat/completions` پر گئیں، BroadNet ماڈل ID بغیر تبدیلی کے اور Bearer کلید کے ساتھ۔ `max_tokens` اسی نام سے بھیجا گیا، اسٹریمنگ نے `stream_options.include_usage` شامل کیا، اور فنکشن کالنگ نے `tool_choice: "auto"` بھیجا۔ ہمارے پاس BroadNet کلید نہیں تھی، اس لیے ہم نے حقیقی ماڈل آؤٹ پٹ ٹیسٹ نہیں کیا۔ C# کوڈ Microsoft کی دستاویزات سے ہے اور چلایا نہیں گیا۔

## مسائل کا حل

-   **401۔** کلید غلط ہے، ختم ہو چکی ہے یا الاؤنس ختم ہو گیا ہے۔
-   **404۔** کلائنٹ کا `base_url`، `/v1` پر ختم ہونا چاہیے۔ ماڈل ID جانچیں۔ پیڈ ماڈلز کے لیے ٹاپ اپ چاہیے؛ $5 کریڈٹ صرف `broadnet/gemma-4-26b-a4b` اور دو Transcribe ماڈلز کا احاطہ کرتا ہے۔
-   **خالی جوابات۔** DeepSeek V4.1 Flash، GLM 5.3 اور Qwen3.8 27B پر ریزننگ `max_tokens` میں گنی جاتی ہے۔ اسے بڑھائیں۔ [جوابات خالی کیوں آتے ہیں](https://broadrouter.com/ur/guides/reasoning-tokens-empty-response/)۔
-   **ریزننگ ماڈلز اور رولز۔** Microsoft کی دستاویزات OpenAI کے ریزننگ ماڈلز کے لیے `instruction_role="developer"` تجویز کرتی ہیں۔ BroadNet کا API ریفرنس `developer` رول کا ذکر نہیں کرتا، اس لیے `instruction_role` کو ڈیفالٹ پر رہنے دیں۔ ہمارے ایجنٹ ٹیسٹ نے ہدایات `system` میسج میں بھیجیں۔
-   **429۔** استعمال کے مطابق ادائیگی والی کلید فی منٹ 30 درخواستوں اور بیک وقت 4 جاری درخواستوں کی اجازت دیتی ہے۔ [ایررز اور ری ٹرائی](https://broadrouter.com/ur/guides/errors-and-retries/) دیکھیں۔

## اس گائیڈ کی اصطلاحات

[ٹول کالنگ (tool calling)](https://broadrouter.com/ur/glossary/tool-calling/)

ٹول کالنگ، جسے function calling بھی کہتے ہیں، LLM API کی وہ سہولت ہے جس میں ماڈل ڈویلپر کے طے کردہ کسی فنکشن کو چلانے کی ایک منظم درخواست، JSON آرگیومنٹس کے ساتھ، لوٹاتا ہے۔ ایپلیکیشن فنکشن چلا کر نتیجہ واپس بھیجتی ہے؛ ماڈل خود کبھی کوڈ نہیں چلاتا۔

[استعمال کے مطابق ادائیگی (pay-as-you-go)](https://broadrouter.com/ur/glossary/pay-as-you-go/)

استعمال کے مطابق ادائیگی (pay-as-you-go) قیمت طے کرنے کا ایک ماڈل ہے جس میں آپ صرف اتنا دیتے ہیں جتنا استعمال کرتے ہیں، ٹوکن، درخواستوں یا آڈیو منٹ جیسی اکائیوں میں ناپ کر، بغیر سبسکرپشن یا کم از کم وابستگی کے۔ زیادہ تر LLM API اسی طرح بل بناتے ہیں، پری پیڈ بیلنس یا وقتاً فوقتاً بننے والی انوائس سے۔

[اسٹریمنگ (streaming)](https://broadrouter.com/ur/glossary/streaming/)

اسٹریمنگ، لینگویج ماڈل کے جواب کو آخر میں ایک ساتھ لوٹانے کے بجائے، بنتے وقت ہی چھوٹے چھوٹے ٹکڑوں (chunks) میں لوٹانے کا طریقہ ہے۔ OpenAI-compatible APIs، درخواست میں stream کو true سیٹ کرنے پر server-sent events کے ذریعے اسٹریم کرتے ہیں۔

[کنکرنسی (concurrency)](https://broadrouter.com/ur/glossary/concurrency/)

کنکرنسی، کسی کلائنٹ کی بیک وقت چل رہی (in-flight) درخواستوں کی تعداد ہے۔ LLM APIs اکثر اس کی حد ہر کلید یا پلان پر، فی منٹ درخواستوں سے الگ رکھتے ہیں، کیونکہ ہر کھلی درخواست جواب مکمل ہونے تک GPU کی گنجائش گھیرے رکھتی ہے۔

[پری پیڈ کریڈٹ (prepaid credit)](https://broadrouter.com/ur/glossary/prepaid-credit/)

پری پیڈ کریڈٹ وہ رقم ہے جو استعمال سے پہلے API اکاؤنٹ میں ڈالی جاتی ہے۔ ہر درخواست کی لاگت بیلنس سے کٹتی ہے، اور بیلنس ختم ہونے پر میٹر والی درخواستیں تب تک رک جاتی ہیں جب تک آپ ٹاپ اپ نہ کریں۔ اس سے خرچ اتنا ہی رہتا ہے جتنا آپ نے جمع کیا ہے۔

[ریٹ لمٹ (rate limit)](https://broadrouter.com/ur/glossary/rate-limit/)

ریٹ لمٹ وہ حد ہے جو کوئی API طے کرتا ہے کہ ایک کلائنٹ کسی مدت میں اسے کتنا استعمال کر سکتا ہے، جیسے فی منٹ درخواستیں یا فی منٹ ٹوکن۔ حد سے زیادہ درخواستیں رد کر دی جاتی ہیں، عموماً HTTP 429 Too Many Requests کے ساتھ، جب تک استعمال دوبارہ حد سے نیچے نہ آ جائے۔

[AI ایجنٹ (AI agent)](https://broadrouter.com/ur/glossary/agent/)

AI ایجنٹ ایسا نظام ہے جس میں لینگویج ماڈل کسی ہدف کی طرف اپنے قدم خود طے کرتا ہے: کون سے ٹولز کال کرنے ہیں، یہ چنتا ہے، نتائج پڑھتا ہے اور حتمی جواب یا کسی حد تک دہراتا رہتا ہے۔ مقررہ مقامات پر ماڈل کو کال کرنے والی اسکرپٹ کو عموماً workflow کہا جاتا ہے۔

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

Chat Completions API، OpenAI کا HTTP اینڈپوائنٹ POST /v1/chat/completions ہے، جو ایک ماڈل کا نام اور رول والے پیغامات کی فہرست لیتا ہے اور ماڈل کا اگلا پیغام لوٹاتا ہے۔ اس کی درخواست اور جواب کی ساخت وہ عام فارمیٹ بن گئی جسے OpenAI-compatible فراہم کنندگان اور SDKs اپناتے ہیں۔

## عام سوالات

### Python والے Semantic Kernel میں کسٹم base URL کیسے سیٹ کریں؟

ورژن 1.47 میں OpenAIChatCompletion کا کوئی base\_url آرگیومنٹ نہیں۔ base\_url اور api\_key کے ساتھ ایک openai.AsyncOpenAI کلائنٹ بنائیں اور اسے async\_client کے طور پر دیں۔ پھر وہ کلائنٹ ہر درخواست BroadNet کو بھیجتا ہے۔

### C# کسٹم endpoint کو pragma کیوں چاہیے؟

Microsoft کی دستاویزات کہتی ہیں کہ OpenAI کنیکٹر کے ساتھ کسٹم endpoints استعمال کرنا تجرباتی ہے، اس لیے endpoint والے overload کو #pragma warning disable SKEXP0010 چاہیے۔

### کیا BroadNet کے ساتھ خودکار فنکشن کالنگ چلتی ہے؟

یہ chat completions پر معیاری ٹول کالز استعمال کرتی ہے، اس لیے ایسا ماڈل لیں جسے BroadNet ٹولز کے ساتھ درج کرتا ہے: GLM 5.3 یا Qwen3.8 27B۔ ہمارے موک ٹیسٹ میں Semantic Kernel نے پلگ ان کو ٹول کے طور پر بھیجا اور نتیجہ tool میسج میں لوٹایا۔

### کیا Semantic Kernel کا ChatCompletionAgent، BroadNet پر چلتا ہے؟

ہاں۔ یہ وہی OpenAIChatCompletion سروس لیتا ہے۔ ہمارے Python ٹیسٹ میں اس نے ایجنٹ کی ہدایات system میسج کے طور پر بھیجیں اور chat completions کے ذریعے پلگ ان کال کیا۔

## متعلقہ گائیڈز

-   [BroadNet Inference کے ساتھ OpenAI Python SDK استعمال کریں](https://broadrouter.com/ur/guides/openai-python-sdk/)
-   [BroadNet Inference پر OpenAI Agents SDK چلائیں](https://broadrouter.com/ur/guides/openai-agents-sdk-custom-provider/)
-   [ریزننگ ماڈل خالی جواب کیوں لوٹاتا ہے](https://broadrouter.com/ur/guides/reasoning-tokens-empty-response/)
-   [BroadNet Inference کے ایرر کوڈز اور دوبارہ کوشش کب کریں](https://broadrouter.com/ur/guides/errors-and-retries/)
-   [BroadNet Inference کے ساتھ کام کرنے والے تمام ٹولز (انگریزی میں)](https://broadrouter.com/integrations/): SDKs، کوڈنگ ایجنٹس، چیٹ انٹرفیس اور آٹومیشن ٹولز، ہر ایک کی درست سیٹنگز کے ساتھ

اسے اپنے اصل کام پر آزمائیں۔ نئے اکاؤنٹس Gemma اور ٹرانسکرپشن کے لیے US$5 کے کریڈٹ سے شروع ہوتے ہیں۔ DeepSeek، GLM، اور Qwen3.8 کے لیے ٹاپ اپ ضروری ہے۔

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

**ذرائع**

-   [Microsoft Learn، Semantic Kernel میں chat completion سروسز شامل کرنا (2026-05-26 کو اپ ڈیٹ، 2026-11-15 کو جانچا گیا)](https://learn.microsoft.com/en-us/semantic-kernel/concepts/ai-services/chat-completion/)
-   [Semantic Kernel سورس، python-1.47.0 پر Python OpenAIChatCompletion (2026-11-15 کو جانچا گیا)](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 کو جانچا گیا)](https://pypi.org/project/semantic-kernel/)
-   [BroadNet Inference API ریفرنس (2026-11-15 کو جانچا گیا) (انگریزی میں)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ur-guides-semantic-kernel-openai-compatible&utm_content=sources)
