---
title: "LangGraph con un base_url compatible con OpenAI | BroadRouter"
description: "Ejecute un StateGraph o create_agent de LangGraph en BroadNet Inference con ChatOpenAI, base_url y un ID de BroadNet, con herramientas, streaming y memoria."
url: https://broadrouter.com/es/guides/langgraph-openai-compatible/
lang: es
updated: 2026-11-16
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Traducido del inglés con ayuda de IA. [Lea el original en inglés](https://broadrouter.com/guides/langgraph-openai-compatible/) (actualizado el 2026-11-16).

# Agentes de LangGraph con BroadNet Inference

Actualizado 2026-11-16

Instale langgraph y langchain-openai y cree ChatOpenAI con model en un ID de BroadNet como broadnet/glm-5.3, base\_url en https://inference.broadnet.ai/v1 y api\_key con su clave de BroadNet. Vincule sus herramientas y úselo en un nodo de un StateGraph, o páselo a create\_agent de langchain. Use GLM 5.3 o Qwen3.8 27B, los modelos para los que BroadNet indica herramientas.

LangGraph es la biblioteca de LangChain para agentes con estado y de varios pasos, construidos como grafos. No tiene un cliente de modelos propio: sus nodos llaman a un modelo de chat de LangChain. Para ejecutar un grafo en BroadNet Inference, use `ChatOpenAI` de `langchain-openai` con la URL base de BroadNet. BroadRouter es el sitio de BroadNet; esta guía sigue la documentación de LangGraph y LangChain a la fecha de LangGraph 1.2.22 y langchain-openai 1.8.

## Instalación

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

## Un grafo que llama a herramientas

```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)
```

El nodo del modelo llama a BroadNet. `tools_condition` envía el grafo al nodo de herramientas cuando la respuesta trae llamadas a herramientas, y el resultado de la herramienta vuelve al modelo. El checkpointer guarda la conversación por `thread_id`, así que un segundo `invoke` con la misma configuración la continúa.

## Streaming de tokens desde el grafo

```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)
```

Con `stream_mode="messages"`, `ChatOpenAI` envía `stream: true` a BroadNet y LangGraph va pasando los tokens.

## El agente prediseñado

Si no necesita un grafo personalizado, el bucle de agente prediseñado acepta el mismo modelo:

```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?"}]})
```

`create_react_agent` de `langgraph.prebuilt` sigue ejecutándose en LangGraph 1.2.22, pero muestra una advertencia de que se trasladó a `langchain.agents.create_agent`.

## Qué modelo elegir

| Grafo | Modelo |
| --- | --- |
| Agentes con herramientas, salida estructurada | `broadnet/glm-5.3` (contexto de 1,048,576 tokens) |
| Herramientas con entrada de imágenes o texto en árabe | `broadnet/qwen3.8-27b` (contexto de 262,144 tokens) |
| Grafos sin llamadas a herramientas, documentos largos | `broadnet/deepseek-v4.1-flash` |

La documentación de BroadNet indica herramientas y salida estructurada solo para GLM 5.3 y Qwen3.8 27B. DeepSeek V4.1 Flash es el modelo de los [planes ilimitados](https://broadrouter.com/es/guides/unlimited-llm-api-sessions/), por lo que encaja en grafos que resumen y enrutan sin llamar a herramientas. Pruebe un bucle de herramientas con él antes de depender de él. [Precios de todos los modelos](https://broadrouter.com/es/pricing/).

## Configuración que importa

-   **Quédese en chat completions.** BroadNet sirve `/v1/chat/completions`. La documentación de LangChain dice que `ChatOpenAI` pasa a la Responses API cuando usa herramientas integradas de OpenAI, estado de conversación o el parámetro `reasoning`. No los use y no configure `use_responses_api=True`.
-   **Límite de salida.** El razonamiento cuenta para el presupuesto de salida en DeepSeek V4.1 Flash, GLM 5.3 y Qwen3.8 27B. Configure `max_tokens` en 2,000 o más en el modelo. En nuestra prueba, langchain-openai 1.8 lo envió como `max_completion_tokens`.
-   **Ramas en paralelo.** Cada rama que llama al modelo es una solicitud aparte. Una clave de pago por uso permite 4 solicitudes a la vez, y una sesión de plan ejecuta una por vez.

## Cómo lo probamos

El 2026-11-15 instalamos langgraph 1.2.22, langchain-openai 1.8.0 y langchain 1.5.0 en un entorno virtual limpio. Ejecutamos el grafo de arriba, el bucle de streaming y `create_agent` contra un servidor simulado (mock) local que habla el formato de chat completions de BroadNet y devuelve llamadas a herramientas. Revisamos las solicitudes registradas. Todas fueron a `/v1/chat/completions` con el ID de modelo `broadnet/glm-5.3` sin cambios, una clave Bearer y el esquema de la herramienta, y el resultado de la herramienta volvió como un mensaje `tool`. No teníamos una clave de BroadNet, así que no probamos la salida real de un modelo.

## Solución de problemas

-   **401.** La clave es incorrecta, venció o se quedó sin saldo.
-   **404.** `base_url` debe terminar en `/v1`. Verifique el ID del modelo, con el prefijo `broadnet/`. Los modelos de pago requieren una recarga; el crédito inicial de $5 cubre solo `broadnet/gemma-4-26b-a4b` y los dos modelos Transcribe.
-   **El agente nunca llama a una herramienta.** Cambie a `broadnet/glm-5.3` o `broadnet/qwen3.8-27b`.
-   **Respuestas vacías.** El presupuesto de salida se fue en razonamiento. Aumente `max_tokens`. [Por qué las respuestas llegan vacías](https://broadrouter.com/es/guides/reasoning-tokens-empty-response/).
-   **429.** Una clave de pago por uso permite 30 solicitudes por minuto. Agregue `max_retries` a `ChatOpenAI` y consulte [errores y reintentos](https://broadrouter.com/es/guides/errors-and-retries/).

## Términos de esta guía

[Llamadas a herramientas (tool calling)](https://broadrouter.com/es/glossary/tool-calling/)

Las llamadas a herramientas (tool calling), también llamadas function calling, son una función de las APIs de LLM en la que el modelo devuelve una solicitud estructurada para ejecutar una función definida por el desarrollador, con argumentos JSON. La aplicación ejecuta la función y devuelve el resultado; el modelo nunca ejecuta código.

[Token](https://broadrouter.com/es/glossary/token/)

Un token es la unidad de texto que un modelo de lenguaje lee y escribe: una palabra, parte de una palabra, un signo de puntuación o una secuencia de bytes producida por el tokenizador del modelo. Las APIs de LLM cuentan, limitan y normalmente facturan el uso en tokens.

[Streaming (respuestas en tiempo real)](https://broadrouter.com/es/glossary/streaming/)

El streaming es una forma de devolver la respuesta de un modelo de lenguaje en pequeños fragmentos mientras aún se genera, en lugar de una sola respuesta al final. Las APIs compatibles con OpenAI hacen streaming mediante server-sent events cuando la solicitud define stream como true.

[Pago por uso (pay-as-you-go)](https://broadrouter.com/es/glossary/pay-as-you-go/)

El pago por uso es un modelo de precios en el que usted paga solo lo que usa, medido por unidades como tokens, solicitudes o minutos de audio, sin suscripción ni compromiso mínimo. La mayoría de las APIs de LLM cobran así, desde un saldo prepagado o con una factura periódica.

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

La API de Chat Completions es el endpoint HTTP de OpenAI, POST /v1/chat/completions, que recibe un nombre de modelo y una lista de mensajes etiquetados con su rol y devuelve el siguiente mensaje del modelo. Su forma de solicitud y respuesta se convirtió en el formato común que reutilizan los proveedores y SDKs compatibles con OpenAI.

[Concurrencia (concurrency)](https://broadrouter.com/es/glossary/concurrency/)

La concurrencia es el número de solicitudes que un cliente tiene en curso al mismo tiempo. Las APIs de LLM suelen limitarla por clave o por plan, aparte de las solicitudes por minuto, porque cada solicitud abierta ocupa capacidad de GPU hasta que su respuesta termina.

[Límite de frecuencia (rate limit)](https://broadrouter.com/es/glossary/rate-limit/)

Un límite de frecuencia (rate limit) es un tope que una API impone a cuánto puede usarla un cliente en un periodo, como solicitudes por minuto o tokens por minuto. Las solicitudes que lo superan se rechazan, normalmente con HTTP 429 Too Many Requests, hasta que el uso vuelve a quedar por debajo.

[Salida estructurada (structured output)](https://broadrouter.com/es/glossary/structured-output/)

La salida estructurada es una función de las APIs de LLM que restringe la respuesta del modelo a un formato que define el desarrollador, normalmente un JSON Schema, para que el código pueda procesarla de forma fiable. Es más estricta que JSON mode, que garantiza JSON válido pero no una forma concreta.

## Preguntas frecuentes

### ¿LangGraph necesita una integración propia con BroadNet?

No. LangGraph ejecuta cualquier modelo de chat que llamen sus nodos. Use el ChatOpenAI de LangChain con base\_url en https://inference.broadnet.ai/v1, y cada nodo que llama al modelo irá a BroadNet por chat completions.

### ¿Uso create\_react\_agent o create\_agent?

En LangGraph 1.2, create\_react\_agent de langgraph.prebuilt sigue funcionando, pero muestra una advertencia de obsolescencia que remite a create\_agent del paquete langchain. Ambos funcionaron contra nuestro servidor simulado con un ID de modelo al estilo de BroadNet.

### ¿Qué modelo de BroadNet conviene para un agente de LangGraph?

GLM 5.3 (broadnet/glm-5.3) o Qwen3.8 27B (broadnet/qwen3.8-27b). Un bucle de agente depende de las llamadas a herramientas, y BroadNet indica herramientas solo para estos dos modelos.

### ¿Por qué el max\_tokens que configuré se envía como max\_completion\_tokens?

langchain-openai 1.8 renombra max\_tokens a max\_completion\_tokens en la solicitud. La referencia de la API de BroadNet describe max\_tokens. Si parece que se ignora un límite de salida, revise la solicitud que su aplicación envía realmente.

## Guías relacionadas

-   [Cómo usar LangChain con BroadNet Inference](https://broadrouter.com/es/guides/langchain-openai-base-url/)
-   [OpenAI Agents SDK con BroadNet Inference](https://broadrouter.com/es/guides/openai-agents-sdk-custom-provider/)
-   [¿Por qué un modelo de razonamiento devuelve una respuesta vacía?](https://broadrouter.com/es/guides/reasoning-tokens-empty-response/)
-   [Códigos de error de BroadNet Inference y cuándo reintentar](https://broadrouter.com/es/guides/errors-and-retries/)
-   [Todas las herramientas que funcionan con BroadNet Inference (en inglés)](https://broadrouter.com/integrations/): SDK, agentes de programación, interfaces de chat y herramientas de automatización, con la configuración exacta de cada una

Pruébelo con su carga de trabajo real. Las cuentas nuevas empiezan con USD 5 de crédito para Gemma y transcripción. DeepSeek, GLM y Qwen3.8 requieren una recarga.

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

**Fuentes**

-   [Documentación de LangGraph, Quickstart y Graph API (consultada el 2026-11-15)](https://docs.langchain.com/oss/python/langgraph/graph-api)
-   [Documentación de LangChain, integración ChatOpenAI (consultada el 2026-11-15)](https://docs.langchain.com/oss/python/integrations/chat/openai)
-   [PyPI, langgraph 1.2.22 (consultado el 2026-11-15)](https://pypi.org/project/langgraph/)
-   [Referencia de la API de BroadNet Inference (consultada el 2026-11-15) (en inglés)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=es-guides-langgraph-openai-compatible&utm_content=sources)
