---
title: "OpenAI Agents SDK na may custom OpenAI-compatible provider"
description: "Gamitin ang OpenAI Agents SDK (Python) sa BroadNet Inference gamit ang AsyncOpenAI at OpenAIChatCompletionsModel, at i-off ang tracing na kailangan ng OpenAI key."
url: https://broadrouter.com/fil/guides/openai-agents-sdk-custom-provider/
lang: fil
updated: 2026-11-16
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Isinalin mula sa Ingles sa tulong ng AI. [Basahin ang orihinal sa Ingles](https://broadrouter.com/guides/openai-agents-sdk-custom-provider/) (na-update noong 2026-11-16).

# Patakbuhin ang OpenAI Agents SDK sa BroadNet Inference

Na-update 2026-11-16

Gumawa ng AsyncOpenAI client na may base\_url na https://inference.broadnet.ai/v1 at ang BroadNet key mo, ibalot ito sa OpenAIChatCompletionsModel na may model ID gaya ng broadnet/glm-5.3, at ipasa ang model na iyon sa Agent mo. Tawagin ang set\_tracing\_disabled(True) maliban kung may hiwalay kang OpenAI key para sa tracing.

Ang OpenAI Agents SDK ay Python framework para sa mga agent na may tools, handoffs at guardrails. Ipinapaliwanag ng docs nito kung paano magsaksak ng mga non-OpenAI provider. Para sa isang OpenAI-compatible na API gaya ng BroadNet Inference, ibibigay mo sa SDK ang sarili mong `AsyncOpenAI` client at gagamitin ang Chat Completions model class. Responses API ang default ng SDK, at maraming provider ang hindi nagse-serve nito.

## Setup

1.  **I-install ang SDK.** Kailangan nito ng Python 3.10 o mas bago.

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

2.  **Gawin ang client, model at agent.**

```python
import asyncio
import os

from agents import (
    Agent,
    AsyncOpenAI,
    OpenAIChatCompletionsModel,
    Runner,
    function_tool,
    set_tracing_disabled,
)

set_tracing_disabled(disabled=True)  # tracing needs a platform.openai.com key

client = AsyncOpenAI(
    base_url="https://inference.broadnet.ai/v1",
    api_key=os.environ["BROADNET_API_KEY"],
)

model = OpenAIChatCompletionsModel(model="broadnet/glm-5.3", openai_client=client)

@function_tool
def get_order_status(order_id: str) -> str:
    """Look up an order."""
    return f"Order {order_id}: shipped"

agent = Agent(
    name="Support agent",
    instructions="Answer briefly. Use tools when you need order data.",
    model=model,
    tools=[get_order_status],
)

async def main():
    result = await Runner.run(agent, "Where is order 4471?")
    print(result.final_output)

asyncio.run(main())
```

3.  **Patakbuhin ito.** Dapat tawagin ng agent ang `get_order_status` at sumagot batay sa resulta nito.

## Tatlong paraan para ikabit ang provider

Ito ang mga built-in na opsyon na nakalista sa docs ng SDK:

-   **Kada agent:** ipasa ang `OpenAIChatCompletionsModel` bilang `Agent.model`, gaya ng nasa itaas. Gamitin ito kapag magkakaibang provider ang gamit ng iba’t ibang agent.
-   **Global na default:** ginagawang default ng `set_default_openai_client(client)` ang client mo. Ipares ito sa `set_default_openai_api("chat_completions")`.
-   **Kada run:** magpasa ng custom na `ModelProvider` sa `RunConfig(model_provider=...)`.

Ganito ang itsura ng global na default:

```python
import os
from agents import (
    Agent,
    AsyncOpenAI,
    set_default_openai_api,
    set_default_openai_client,
    set_tracing_disabled,
)

client = AsyncOpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])
set_default_openai_client(client, use_for_tracing=False)
set_default_openai_api("chat_completions")
set_tracing_disabled(True)

agent = Agent(name="Assistant", instructions="Be brief.", model="broadnet/glm-5.3")
```

Kung environment variables lang ang gagamitin, i-set ang `OPENAI_BASE_URL=https://inference.broadnet.ai/v1` at ang `OPENAI_API_KEY` sa BroadNet key mo, saka gawin ang parehong `set_default_openai_api` at `set_tracing_disabled` na tawag.

Kapag dumaan ka sa Chat Completions, sinasabi ng docs ng SDK na tahimik nitong tinatanggal ang mga field na pang-Responses lang, gaya ng `previous_response_id`, `conversation_id` at `prompt`. Para error ang makuha mo sa halip, i-set ang `strict_feature_validation=True` sa `OpenAIProvider`. Sa sarili mong code itago ang conversation state, halimbawa sa pagpasa ng input list ng nakaraang resulta sa susunod na run. Wala sa ibang provider ang mga hosted tool ng OpenAI gaya ng web search at file search. Gamitin ang `function_tool` para sa anumang dapat tawagin ng agent.

## Tracing

Naka-on ang tracing bilang default at nagpapadala ito ng traces sa OpenAI. Ayon sa docs ng SDK, kung wala kang API key mula sa platform.openai.com, i-disable ito gamit ang `set_tracing_disabled()` o mag-set up ng ibang tracing processor. Kung may OpenAI key ka, puwede mong iwang naka-on ang tracing at ipasa ang key na iyon gamit ang `set_tracing_export_api_key(...)`. Para lang sa pag-upload ng traces ito ginagamit ng SDK. Hindi gagana rito ang BroadNet key mo.

## Aling model ang pipiliin

| Uri ng agent | Model | Mga tala |
| --- | --- | --- |
| Mga agent na gumagamit ng tools | [GLM 5.3](https://broadrouter.com/fil/models/glm-5.3/) | Nakalista ang tools at structured output; 1M context |
| Input na larawan na may tools | [Qwen3.8 27B](https://broadrouter.com/fil/models/qwen3.8-27b/) | 262K context; sinubukan sa Arabic |
| Matatagal na agent sa flat rate | [DeepSeek V4.1 Flash](https://broadrouter.com/fil/models/deepseek-v4.1-flash/) | Mga unlimited na plan; walang tools na nakalista sa BroadNet |

Babala ng docs ng SDK na may mga provider na hindi sumusuporta sa JSON-schema structured outputs. Kung magse-set ka ng `output_type` sa isang agent, gamitin ang GLM 5.3 o Qwen3.8 27B. Ikumpara ang mga presyo sa [pricing page](https://broadrouter.com/fil/pricing/).

## Troubleshooting

-   **401.** Mali, expired, o ubos na ang pay-as-you-go allowance ng BroadNet key. Hiwalay na usapin ang mga tracing error sa logs: ibig sabihin nito ay naka-on pa ang tracing nang walang OpenAI key.
-   **404 o “not found”.** Malamang nasa Responses API ka. Gamitin ang `OpenAIChatCompletionsModel` o `set_default_openai_api("chat_completions")`. Kung naka-set na iyon, tiyaking eksaktong tugma ang model ID sa ID ng BroadNet. Kailangan ng top-up para sa mga bayad na model; ang Gemma 4 VL 26B at ang dalawang Transcribe model ang sakop ng $5 na credit.
-   **Walang laman na `final_output`.** Kasama ang reasoning sa `max_tokens`. Kung nag-set ka ng `ModelSettings(max_tokens=...)`, taasan ito. [Bakit walang laman ang mga sagot](https://broadrouter.com/fil/guides/reasoning-tokens-empty-response/).
-   **429.** Ang isang pay-as-you-go key ay may 30 request kada minuto at 4 na sabay-sabay. Bagong request ang bawat tool round-trip. Tingnan ang [errors and retries](https://broadrouter.com/fil/guides/errors-and-retries/).
-   **Mga parallel na agent sa isang plan.** Isang request lang sa isang pagkakataon ang pinapatakbo ng isang [unlimited plan session](https://broadrouter.com/fil/guides/unlimited-llm-api-sessions/). Ang mga agent na sabay na inilunsad gamit ang `asyncio.gather` ay tig-iisang session ang kailangan, kung hindi ay pipila sila. Tingnan ang [pagpapatakbo ng mga parallel na agent sa flat rate](https://broadrouter.com/fil/blog/run-parallel-coding-agents-flat-rate/).

## Mga termino sa gabay na ito

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

Ang AI agent ay isang system kung saan ang language model mismo ang nagdidirekta ng mga hakbang nito tungo sa isang layunin: pinipili nito kung aling tools ang tatawagin, binabasa ang mga resulta at umuulit hanggang makabuo ng huling sagot o maabot ang limit. Workflow naman ang karaniwang tawag sa fixed na script na tumatawag sa model sa takdang punto.

[API key](https://broadrouter.com/fil/glossary/api-key/)

Ang API key ay isang lihim na string na kumikilala at nagpapahintulot sa client na tumatawag sa isang API. Kadalasang hinihingi ito ng mga LLM API sa Authorization: Bearer header, at ang sinumang may hawak ng key ay makakagawa ng mga request na sisingilin sa account na may-ari nito.

[Tool calling (function calling)](https://broadrouter.com/fil/glossary/tool-calling/)

Ang tool calling, tinatawag ding function calling, ay feature ng LLM API kung saan nagbabalik ang model ng structured na request para magpatakbo ng function na tinukoy ng developer, kasama ang JSON arguments. Ang application ang nagpapatakbo ng function at nagpapadala pabalik ng resulta; hindi kailanman nagpapatakbo ng code ang model mismo.

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

Ang pay-as-you-go ay paraan ng pagpepresyo kung saan ang nagamit mo lang ang binabayaran mo, sinusukat kada yunit gaya ng token, request o minuto ng audio, nang walang subscription o minimum na commitment. Ganito naniningil ang karamihan ng LLM API, mula sa prepaid na balance o sa pana-panahong invoice.

[Structured output](https://broadrouter.com/fil/glossary/structured-output/)

Ang structured output ay feature ng LLM API na naglilimita sa sagot ng model sa format na itinakda ng developer, kadalasang JSON Schema, para maaasahang ma-parse ito ng code. Mas mahigpit ito kaysa sa JSON mode, na gumagarantiya ng valid na JSON pero hindi ng partikular na hugis.

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

Ang Chat Completions API ay HTTP endpoint ng OpenAI, POST /v1/chat/completions, na tumatanggap ng pangalan ng model at listahan ng mga message na may role, at ibinabalik ang susunod na message ng model. Ang hugis ng request at response nito ang naging karaniwang format na ginagamit din ng mga OpenAI-compatible na provider at SDK.

[Context window](https://broadrouter.com/fil/glossary/context-window/)

Ang context window ay ang pinakamaraming token na kayang hawakan ng isang language model sa iisang request. Sakop nito ang prompt, history ng usapan, tool definitions, mga larawan at ang nabuong output, kasama ang anumang reasoning tokens. Ang hindi kasya ay kailangang bawasan, ibuod o hatiin sa ilang request.

[Guardrails (LLM guardrails)](https://broadrouter.com/fil/glossary/guardrails/)

Ang guardrails ay mga check na pinapatakbo ng application sa paligid ng isang language model call para manatili ito sa itinakdang limit. Sinasala ng input guardrails ang pumapasok sa model, chine-check ng output guardrails ang lumalabas, at vina-validate ng tool guardrails ang mga aksyon bago tumakbo. Kapag pumalya ang check, bina-block, binabago o fina-flag ang request.

## Mga tanong

### Bakit 404 error ang nakukuha ko sa Agents SDK kapag custom ang base URL?

Responses API ang default ng SDK, pero chat completions ang sine-serve ng BroadNet. Gamitin ang OpenAIChatCompletionsModel, o tawagin ang set\_default\_openai\_api("chat\_completions") kung sa environment variables mo kino-configure ang client.

### Bakit nagrereklamo ang Agents SDK tungkol sa tracing?

Ina-upload ang tracing sa OpenAI at kailangan nito ng key mula sa platform.openai.com. Kung wala ka nito, inirerekomenda ng docs ng SDK ang set\_tracing\_disabled(), o ibang tracing processor.

### Puwede ko bang i-configure ang Agents SDK gamit lang ang environment variables?

Oo. I-set ang OPENAI\_BASE\_URL sa https://inference.broadnet.ai/v1 at ang OPENAI\_API\_KEY sa BroadNet key mo, saka tawagin ang set\_default\_openai\_api("chat\_completions") at set\_tracing\_disabled(True). Ang OPENAI\_DEFAULT\_MODEL ang nagse-set ng model para sa mga agent na walang pinangalanang model.

### Ilang plan session ang kailangan ng isang multi-agent run?

Isa kada request na sabay na tumatakbo. Sunud-sunod tumatakbo ang mga agent sa handoff, kaya sapat na ang isang session. Ang mga agent na sabay na pinapatakbo gamit ang asyncio.gather ay tig-iisang session ang kailangan.

## Mga kaugnay na gabay

-   [Paano gamitin ang OpenAI Python SDK sa BroadNet Inference](https://broadrouter.com/fil/guides/openai-python-sdk/)
-   [Paano gumagana ang unlimited LLM API plans para sa mga agent](https://broadrouter.com/fil/guides/unlimited-llm-api-sessions/)
-   [Bakit walang laman ang sagot ng isang reasoning model](https://broadrouter.com/fil/guides/reasoning-tokens-empty-response/)
-   [Paano i-route ang LiteLLM sa BroadNet Inference (SDK at proxy)](https://broadrouter.com/fil/guides/litellm-proxy-custom-provider/)
-   [Lahat ng tool na gumagana sa BroadNet Inference (Ingles)](https://broadrouter.com/integrations/): mga SDK, coding agent, chat UI at automation tool, kasama ang eksaktong setting ng bawat isa

Subukan ito sa totoong workload mo. May US$5 na panimulang credit ang mga bagong account para sa Gemma at transcription. Kailangan ng top-up para sa DeepSeek, GLM, at Qwen3.8.

[Magsimula](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=fil-guides-openai-agents-sdk-custom-provider&utm_content=page-cta) ·

**Mga source**

-   [OpenAI Agents SDK docs, Models (mga non-OpenAI provider) (sinuri noong 2026-11-14)](https://openai.github.io/openai-agents-python/models/)
-   [PyPI, openai-agents package (0.24, Python 3.10+, sinuri noong 2026-11-14)](https://pypi.org/project/openai-agents/)
-   [API reference ng BroadNet Inference (Ingles)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=fil-guides-openai-agents-sdk-custom-provider&utm_content=sources)
