---
title: "Semantic Kernel: conector OpenAI con endpoint personalizado"
description: "Conecte Microsoft Semantic Kernel a BroadNet Inference en Python con un cliente AsyncOpenAI, o en C# con un endpoint personalizado, para chat, plugins y agentes."
url: https://broadrouter.com/es/guides/semantic-kernel-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/semantic-kernel-openai-compatible/) (actualizado el 2026-11-16).

# Semantic Kernel con BroadNet Inference

Actualizado 2026-11-16

En Python, cree AsyncOpenAI con base\_url https://inference.broadnet.ai/v1 y su clave de BroadNet, y páselo como async\_client a OpenAIChatCompletion con ai\_model\_id en un ID de BroadNet como broadnet/glm-5.3. En C#, llame a AddOpenAIChatCompletion con un endpoint de tipo Uri, que Microsoft marca como experimental (SKEXP0010). Use GLM 5.3 o Qwen3.8 27B para plugins.

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

```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` 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

```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 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

```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)

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#.

```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();
```

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` |

[Precios de todos los modelos](https://broadrouter.com/es/pricing/).

## 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_url` del cliente debe terminar en `/v1`. Revise el ID del modelo. Los modelos de pago requieren una recarga; el crédito de $5 cubre solo `broadnet/gemma-4-26b-a4b` y los dos modelos Transcribe.
-   **Respuestas vacías.** El razonamiento cuenta para `max_tokens` en DeepSeek V4.1 Flash, GLM 5.3 y Qwen3.8 27B. Súbalo. [Por qué las respuestas llegan vacías](https://broadrouter.com/es/guides/reasoning-tokens-empty-response/).
-   **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 rol `developer`, así que deje `instruction_role` en su valor predeterminado. Nuestra prueba del agente envió las instrucciones en un mensaje `system`.
-   **429.** Una clave de pago por uso permite 30 solicitudes por minuto y 4 simultáneas. 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.

[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.

[Agente de IA (AI agent)](https://broadrouter.com/es/glossary/agent/)

Un agente de IA es un sistema en el que un modelo de lenguaje dirige sus propios pasos hacia un objetivo: decide qué herramientas llamar, lee los resultados y repite hasta dar una respuesta final o alcanzar un límite. Un script fijo que llama a un modelo en puntos establecidos suele llamarse flujo de trabajo (workflow).

[Crédito prepago (prepaid credit)](https://broadrouter.com/es/glossary/prepaid-credit/)

El crédito prepago es dinero que se añade a una cuenta de API antes de usarla. Cada solicitud descuenta su coste del saldo y, cuando el saldo se agota, las solicitudes medidas se detienen hasta que usted recargue. Limita el gasto a lo que ha pagado.

## Preguntas frecuentes

### ¿Cómo configuro una base URL personalizada en Semantic Kernel para Python?

OpenAIChatCompletion no tiene un argumento base\_url en la versión 1.47. Cree un cliente openai.AsyncOpenAI con base\_url y api\_key, y páselo como async\_client. Ese cliente envía entonces cada solicitud a BroadNet.

### ¿Por qué el endpoint personalizado en C# necesita un pragma?

La documentación de Microsoft dice que usar endpoints personalizados con el conector de OpenAI es experimental, así que la sobrecarga con endpoint necesita #pragma warning disable SKEXP0010.

### ¿Funciona la llamada automática a funciones con BroadNet?

Usa llamadas a herramientas estándar sobre chat completions, así que use un modelo que BroadNet indique con herramientas: GLM 5.3 o Qwen3.8 27B. En nuestra prueba con un servidor simulado, Semantic Kernel envió el plugin como herramienta y devolvió el resultado en un mensaje tool.

### ¿Funciona ChatCompletionAgent de Semantic Kernel con BroadNet?

Sí. Usa el mismo servicio OpenAIChatCompletion. En nuestra prueba con Python envió las instrucciones del agente como mensaje system y llamó al plugin mediante chat completions.

## Guías relacionadas

-   [Usar el SDK de OpenAI para Python con BroadNet Inference](https://broadrouter.com/es/guides/openai-python-sdk/)
-   [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-semantic-kernel-openai-compatible&utm_content=page-cta) ·

**Fuentes**

-   [Microsoft Learn, Add chat completion services to Semantic Kernel (actualizada el 2026-05-26, consultada el 2026-11-15)](https://learn.microsoft.com/en-us/semantic-kernel/concepts/ai-services/chat-completion/)
-   [Código fuente de Semantic Kernel, OpenAIChatCompletion de Python en python-1.47.0 (consultado el 2026-11-15)](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 (consultado el 2026-11-15)](https://pypi.org/project/semantic-kernel/)
-   [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-semantic-kernel-openai-compatible&utm_content=sources)
