---
title: "LangGraph dengan base_url serasi OpenAI tersuai | BroadRouter"
description: "Jalankan StateGraph atau create_agent LangGraph pada BroadNet Inference dengan ChatOpenAI, base_url dan ID model BroadNet, serta alatan, penstriman dan memori."
url: https://broadrouter.com/ms/guides/langgraph-openai-compatible/
lang: ms
updated: 2026-11-16
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Diterjemahkan daripada bahasa Inggeris dengan bantuan AI. [Baca versi asal dalam bahasa Inggeris](https://broadrouter.com/guides/langgraph-openai-compatible/) (dikemas kini 2026-11-16).

# Bina ejen LangGraph pada BroadNet Inference

Dikemas kini 2026-11-16

Pasang langgraph dan langchain-openai, kemudian cipta ChatOpenAI dengan model ditetapkan kepada ID BroadNet seperti broadnet/glm-5.3, base\_url kepada https://inference.broadnet.ai/v1 dan api\_key kepada kunci BroadNet anda. Ikat alatan anda padanya dan gunakannya dalam nod StateGraph, atau hantar kepada create\_agent langchain. Gunakan GLM 5.3 atau Qwen3.8 27B, model yang disenaraikan BroadNet dengan tools.

LangGraph ialah pustaka LangChain untuk ejen berbilang langkah yang menyimpan keadaan (stateful), dibina sebagai graf. Ia tiada klien model sendiri: nod anda memanggil model chat LangChain. Untuk menjalankan graf pada BroadNet Inference, berikan ia `ChatOpenAI` daripada `langchain-openai` dengan base URL BroadNet. BroadRouter ialah laman web BroadNet sendiri; panduan ini mengikut dokumentasi LangGraph dan LangChain setakat LangGraph 1.2.22 dan langchain-openai 1.8.

## Pasang

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

## Graf yang memanggil alatan

```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)
```

Nod model memanggil BroadNet. `tools_condition` menghantar graf ke nod alatan apabila balasan mengandungi panggilan alatan, dan hasil alatan kembali kepada model. Checkpointer menyimpan perbualan mengikut `thread_id`, jadi `invoke` kedua dengan config yang sama akan menyambungnya.

## Strim token daripada graf

```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)
```

Dengan `stream_mode="messages"`, `ChatOpenAI` menghantar `stream: true` kepada BroadNet dan LangGraph menyalurkan token tersebut.

## Ejen prebuilt

Jika anda tidak memerlukan graf tersuai, gelung ejen prebuilt menerima model yang sama:

```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` daripada `langgraph.prebuilt` masih berjalan dalam LangGraph 1.2.22, tetapi mencetak amaran bahawa ia telah dipindahkan ke `langchain.agents.create_agent`.

## Model mana yang patut dipilih

| Graf | Model |
| --- | --- |
| Ejen dengan alatan, output berstruktur | `broadnet/glm-5.3` (konteks 1,048,576 token) |
| Alatan serta input imej atau teks bahasa Arab | `broadnet/qwen3.8-27b` (konteks 262,144 token) |
| Graf tanpa panggilan alatan, dokumen panjang | `broadnet/deepseek-v4.1-flash` |

Dokumentasi BroadNet menyenaraikan tools dan output berstruktur untuk GLM 5.3 dan Qwen3.8 27B sahaja. DeepSeek V4.1 Flash ialah model pada [pelan tanpa had](https://broadrouter.com/ms/guides/unlimited-llm-api-sessions/), jadi ia sesuai untuk graf ringkas-dan-hala (summarise-and-route) yang tidak memanggil alatan. Uji gelung alatan padanya sebelum anda bergantung padanya. [Harga setiap model](https://broadrouter.com/ms/pricing/).

## Tetapan yang penting

-   **Kekal dengan chat completions.** BroadNet menyediakan `/v1/chat/completions`. Dokumentasi LangChain menyatakan `ChatOpenAI` beralih ke Responses API apabila anda menggunakan alatan terbina dalam OpenAI, keadaan perbualan atau parameter `reasoning`. Jangan gunakan semua itu dan jangan tetapkan `use_responses_api=True`.
-   **Had output.** Penaakulan dikira dalam bajet output pada DeepSeek V4.1 Flash, GLM 5.3 dan Qwen3.8 27B. Tetapkan `max_tokens` kepada 2,000 atau lebih pada model. Dalam ujian kami, langchain-openai 1.8 menghantarnya sebagai `max_completion_tokens`.
-   **Cabang selari.** Setiap cabang yang memanggil model ialah permintaan berasingan. Kunci bayar ikut guna membenarkan 4 permintaan serentak, dan sesi pelan menjalankan satu permintaan pada satu masa.

## Cara kami mengujinya

Pada 2026-11-15 kami memasang langgraph 1.2.22, langchain-openai 1.8.0 dan langchain 1.5.0 dalam persekitaran maya yang bersih. Kami menjalankan graf di atas, gelung penstriman dan `create_agent` terhadap pelayan olok-olok tempatan yang mengikut bentuk chat completions BroadNet dan memulangkan panggilan alatan. Kami menyemak permintaan yang dilog. Setiap panggilan pergi ke `/v1/chat/completions` dengan ID model `broadnet/glm-5.3` tidak berubah, kunci Bearer dan skema alatan, dan hasil alatan kembali sebagai mesej `tool`. Kami tiada kunci BroadNet, jadi kami tidak menguji output model sebenar.

## Penyelesaian masalah

-   **401.** Kunci salah, telah tamat tempoh atau kehabisan elaun.
-   **404.** `base_url` mesti berakhir dengan `/v1`. Semak ID model, dengan awalan `broadnet/`. Model berbayar memerlukan tambah nilai; kredit $5 hanya meliputi `broadnet/gemma-4-26b-a4b` dan dua model Transcribe.
-   **Ejen tidak pernah memanggil alatan.** Tukar kepada `broadnet/glm-5.3` atau `broadnet/qwen3.8-27b`.
-   **Jawapan kosong.** Bajet output habis digunakan untuk penaakulan. Naikkan `max_tokens`. [Mengapa jawapan kosong](https://broadrouter.com/ms/guides/reasoning-tokens-empty-response/).
-   **429.** Kunci bayar ikut guna membenarkan 30 permintaan seminit. Tambah `max_retries` pada `ChatOpenAI` dan lihat [ralat dan cuba semula](https://broadrouter.com/ms/guides/errors-and-retries/).

## Istilah dalam panduan ini

[Bayar ikut guna (pay-as-you-go)](https://broadrouter.com/ms/glossary/pay-as-you-go/)

Bayar ikut guna ialah model harga di mana anda hanya membayar apa yang anda guna, dimeter mengikut unit seperti token, permintaan atau minit audio, tanpa langganan atau komitmen minimum. Kebanyakan API LLM mengebil dengan cara ini, daripada baki prabayar atau invois berkala.

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

Token ialah unit teks yang dibaca dan ditulis oleh model bahasa: satu perkataan, sebahagian perkataan, tanda baca atau jujukan bait yang dihasilkan oleh tokenizer model itu. API LLM mengira, mengehadkan dan biasanya mengebil penggunaan dalam token.

[Tool calling (panggilan alatan)](https://broadrouter.com/ms/glossary/tool-calling/)

Tool calling, juga dipanggil function calling, ialah ciri API LLM di mana model memulangkan permintaan berstruktur untuk menjalankan fungsi yang ditakrifkan oleh pembangun, bersama argumen JSON. Aplikasi menjalankan fungsi itu dan menghantar hasilnya kembali; model sendiri tidak pernah menjalankan kod.

[Keserentakan (concurrency)](https://broadrouter.com/ms/glossary/concurrency/)

Keserentakan ialah bilangan permintaan yang sedang berjalan serentak daripada satu klien. API LLM sering mengehadkannya bagi setiap kunci atau pelan, berasingan daripada permintaan seminit, kerana setiap permintaan yang terbuka memegang kapasiti GPU sehingga responsnya selesai.

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

Chat Completions API ialah endpoint HTTP OpenAI, POST /v1/chat/completions, yang menerima nama model dan senarai mesej bertanda peranan, lalu memulangkan mesej seterusnya daripada model. Bentuk permintaan dan responsnya menjadi format biasa yang digunakan semula oleh penyedia dan SDK yang serasi OpenAI.

[Output berstruktur (structured output)](https://broadrouter.com/ms/glossary/structured-output/)

Output berstruktur ialah ciri API LLM yang mengehadkan balasan model kepada format yang ditetapkan oleh pembangun, biasanya JSON Schema, supaya kod boleh menghuraikannya dengan boleh dipercayai. Ia lebih ketat daripada JSON mode, yang menjamin JSON yang sah tetapi bukan bentuk tertentu.

[Tetingkap konteks (context window)](https://broadrouter.com/ms/glossary/context-window/)

Tetingkap konteks ialah bilangan maksimum token yang boleh dikendalikan oleh model bahasa dalam satu permintaan. Ia meliputi prompt, sejarah perbualan, definisi alatan, imej dan output yang dijana, termasuk token penaakulan. Apa-apa yang tidak muat mesti dipotong, diringkaskan atau dipecahkan kepada beberapa permintaan.

[Base URL (URL asas)](https://broadrouter.com/ms/glossary/base-url/)

Base URL ialah alamat akar tetap sesuatu API, seperti https://api.example.com/v1, yang diletakkan oleh klien di hadapan setiap laluan endpoint, seperti /chat/completions. Dalam SDK serasi OpenAI, menukar base URL, bersama kunci API dan ID model, menghalakan kod yang sama kepada penyedia lain.

## Soalan lazim

### Adakah LangGraph memerlukan integrasi BroadNet tersendiri?

Tidak. LangGraph menjalankan apa-apa model chat yang dipanggil oleh nod anda. Gunakan ChatOpenAI LangChain dengan base\_url ditetapkan kepada https://inference.broadnet.ai/v1, dan setiap nod yang memanggil model akan pergi ke BroadNet melalui chat completions.

### Patutkah saya menggunakan create\_react\_agent atau create\_agent?

Dalam LangGraph 1.2, create\_react\_agent daripada langgraph.prebuilt masih berfungsi tetapi mencetak amaran penamatan (deprecation) yang merujuk kepada create\_agent dalam pakej langchain. Kedua-duanya berfungsi terhadap pelayan olok-olok kami dengan ID model gaya BroadNet.

### Model BroadNet manakah yang patut digunakan oleh ejen LangGraph?

GLM 5.3 (broadnet/glm-5.3) atau Qwen3.8 27B (broadnet/qwen3.8-27b). Gelung ejen bergantung pada panggilan alatan, dan BroadNet menyenaraikan tools untuk dua model ini sahaja.

### Mengapakah max\_tokens yang saya tetapkan dihantar sebagai max\_completion\_tokens?

langchain-openai 1.8 menamakan semula max\_tokens kepada max\_completion\_tokens dalam permintaan. Rujukan API BroadNet menerangkan max\_tokens. Jika had output kelihatan diabaikan, semak permintaan yang benar-benar dihantar oleh aplikasi anda.

## Panduan berkaitan

-   [Cara guna LangChain dengan BroadNet Inference](https://broadrouter.com/ms/guides/langchain-openai-base-url/)
-   [Jalankan OpenAI Agents SDK pada BroadNet Inference](https://broadrouter.com/ms/guides/openai-agents-sdk-custom-provider/)
-   [Mengapa model penaakulan memulangkan jawapan kosong](https://broadrouter.com/ms/guides/reasoning-tokens-empty-response/)
-   [Kod ralat BroadNet Inference dan bila perlu cuba semula](https://broadrouter.com/ms/guides/errors-and-retries/)
-   [Semua alat yang berfungsi dengan BroadNet Inference (Bahasa Inggeris)](https://broadrouter.com/integrations/): SDK, ejen pengekodan, antara muka sembang dan alat automasi, dengan tetapan tepat bagi setiap satu

Cuba dengan beban kerja sebenar anda. Akaun baharu bermula dengan kredit US$5 untuk Gemma dan transkripsi. DeepSeek, GLM dan Qwen3.8 memerlukan tambah nilai.

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

**Sumber**

-   [Dokumentasi LangGraph, Quickstart dan Graph API (disemak 2026-11-15)](https://docs.langchain.com/oss/python/langgraph/graph-api)
-   [Dokumentasi LangChain, integrasi ChatOpenAI (disemak 2026-11-15)](https://docs.langchain.com/oss/python/integrations/chat/openai)
-   [PyPI, langgraph 1.2.22 (disemak 2026-11-15)](https://pypi.org/project/langgraph/)
-   [Rujukan API BroadNet Inference (disemak 2026-11-15) (Bahasa Inggeris)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ms-guides-langgraph-openai-compatible&utm_content=sources)
