Semantic Kernel es el SDK de Microsoft para crear aplicaciones y agentes de IA en C#, Python y Java. Su conector de OpenAI funciona con otros servicios compatibles con OpenAI: en Python acepta su propio cliente de OpenAI y en C# acepta un endpoint personalizado. BroadNet Inference sirve chat completions estándar en https://inference.broadnet.ai/v1, así que cualquiera de las dos vías funciona. BroadRouter es el sitio de la propia BroadNet; esta guía sigue la documentación de Semantic Kernel de Microsoft y el código fuente de Python 1.47.0.
Python
pip install semantic-kernel
export BROADNET_API_KEY='your-broadnet-key'
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 se envía sin cambios, así que conserve el prefijo broadnet/. El argumento api_key de OpenAIChatCompletion no hace falta cuando pasa un cliente.
Plugins y llamada a funciones
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 envía el plugin como una herramienta llamada weather-get_weather, la ejecuta cuando el modelo lo pide y le devuelve el resultado. Use broadnet/glm-5.3 o broadnet/qwen3.8-27b; la documentación de BroadNet indica herramientas solo para estos dos.
Agentes
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)
La documentación de Microsoft da este patrón para “other AI service providers that support the OpenAI chat completion API” (traducción: otros proveedores de servicios de IA que admiten la API de chat completion de OpenAI). No ejecutamos la versión en C#.
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();
Instale el conector con dotnet add package Microsoft.SemanticKernel.Connectors.OpenAI.
Qué modelo elegir
| Uso | Modelo |
|---|---|
| Plugins, llamada a funciones, agentes | broadnet/glm-5.3 |
| Plugins con entrada de imágenes o texto en árabe | broadnet/qwen3.8-27b |
| Chat y resúmenes sin herramientas, plan de tarifa plana | broadnet/deepseek-v4.1-flash |
Cómo lo probamos
El 2026-11-15 instalamos semantic-kernel 1.47.0 para Python en un entorno virtual limpio y ejecutamos chat simple, streaming, llamada automática a funciones y un ChatCompletionAgent contra un servidor simulado local que habla el formato de chat completions de BroadNet. Leímos las solicitudes registradas. Todas fueron a /v1/chat/completions con el ID de modelo de BroadNet sin cambios y una clave Bearer. max_tokens se envió con ese nombre, el streaming agregó stream_options.include_usage y la llamada a funciones envió tool_choice: "auto". No teníamos una clave de BroadNet, así que no probamos la salida de un modelo real. El fragmento de C# proviene de la documentación de Microsoft y no se ejecutó.
Solución de problemas
- 401. La clave es incorrecta, expiró o se quedó sin saldo.
- 404. El
base_urldel cliente debe terminar en/v1. Revise el ID del modelo. Los modelos de pago requieren una recarga; el crédito de $5 cubre solobroadnet/gemma-4-26b-a4by los dos modelos Transcribe. - Respuestas vacías. El razonamiento cuenta para
max_tokensen DeepSeek V4.1 Flash, GLM 5.3 y Qwen3.8 27B. Súbalo. Por qué las respuestas llegan vacías. - Modelos de razonamiento y roles. La documentación de Microsoft sugiere
instruction_role="developer"para los modelos de razonamiento de OpenAI. La referencia de la API de BroadNet no menciona el roldeveloper, así que dejeinstruction_roleen su valor predeterminado. Nuestra prueba del agente envió las instrucciones en un mensajesystem. - 429. Una clave de pago por uso permite 30 solicitudes por minuto y 4 simultáneas. Consulte errores y reintentos.
