Semantic Kernel は、C#、Python、Java で AI アプリやエージェントを作るための Microsoft の SDK です。OpenAI コネクタは、ほかの OpenAI 互換サービスでも使えます。Python では自分で作った OpenAI クライアントを、C# ではカスタムエンドポイントを渡します。BroadNet Inference は https://inference.broadnet.ai/v1 で標準の chat completions を提供しているので、どちらの方法でも使えます。BroadRouter は BroadNet 自身のサイトです。このガイドは Microsoft の Semantic Kernel のドキュメントと Python 1.47.0 のソースに基づいています。
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 はそのまま送られるので、broadnet/ プレフィックスは残してください。クライアントを渡す場合、OpenAIChatCompletion の api_key 引数は不要です。
プラグインと関数呼び出し
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 はプラグインを weather-get_weather という名前のツールとして送り、モデルが要求したときに実行して、結果を送り返します。broadnet/glm-5.3 か broadnet/qwen3.8-27b を使ってください。BroadNet のドキュメントでツール対応が記載されているのはこの 2 つだけです。
エージェント
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 のドキュメントでは、“other AI service providers that support the OpenAI chat completion API”(訳:OpenAI の chat completion API に対応したほかの AI サービスプロバイダー)向けに次の書き方を紹介しています。C# 版は実行していません。
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();
コネクタは dotnet add package Microsoft.SemanticKernel.Connectors.OpenAI でインストールします。
モデルの選び方
| 用途 | モデル |
|---|---|
| プラグイン、関数呼び出し、エージェント | broadnet/glm-5.3 |
| プラグインに加えて画像入力やアラビア語のテキスト | broadnet/qwen3.8-27b |
| ツールを使わないチャットや要約、定額プラン | broadnet/deepseek-v4.1-flash |
テスト方法
2026-11-15 に、クリーンな仮想環境に Python 版 semantic-kernel 1.47.0 をインストールし、BroadNet の chat completions の形式で応答するローカルのモックサーバーに対して、通常のチャット、ストリーミング、自動関数呼び出し、ChatCompletionAgent を実行しました。記録されたリクエストを確認したところ、すべて /v1/chat/completions に届き、BroadNet のモデル ID はそのまま、Bearer キーが付いていました。max_tokens はその名前で送られ、ストリーミングでは stream_options.include_usage が追加され、関数呼び出しでは tool_choice: "auto" が送られました。BroadNet のキーは持っていなかったため、実際のモデル出力はテストしていません。C# のスニペットは Microsoft のドキュメントからのもので、実行していません。
トラブルシューティング
- 401。 キーが間違っているか、期限切れか、利用枠を使い切っています。
- 404。 クライアントの
base_urlは/v1で終わっている必要があります。モデル ID も確認してください。有料モデルにはチャージが必要です。$5 のクレジットで使えるのはbroadnet/gemma-4-26b-a4bと 2 つの Transcribe モデルだけです。 - 応答が空。 DeepSeek V4.1 Flash、GLM 5.3、Qwen3.8 27B では推論が
max_tokensに含まれます。上限を上げてください。回答が空で返ってくる理由。 - 推論モデルとロール。 Microsoft のドキュメントは、OpenAI の推論モデルには
instruction_role="developer"を勧めています。BroadNet の API リファレンスにはdeveloperロールの記載がないため、instruction_roleはデフォルトのままにしてください。私たちのエージェントのテストでは、instructions はsystemメッセージで送られました。 - 429。 従量課金のキーでは 1 分あたり 30 リクエスト、処理中のリクエストは同時に 4 個までです。エラーとリトライを参照してください。
