O Semantic Kernel é o SDK da Microsoft para criar apps e agentes de IA em C#, Python e Java. O conector OpenAI dele funciona com outros serviços compatíveis com a OpenAI: em Python ele aceita o seu próprio cliente OpenAI, e em C# um endpoint personalizado. A BroadNet Inference oferece chat completions padrão em https://inference.broadnet.ai/v1, então os dois caminhos funcionam. O BroadRouter é o site da própria BroadNet; este guia segue a documentação do Semantic Kernel da Microsoft e o código-fonte 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())
O ai_model_id é enviado sem alteração, então mantenha o prefixo broadnet/. O argumento api_key do OpenAIChatCompletion não é necessário quando você passa um cliente.
Plugins e function calling
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)
O Semantic Kernel envia o plugin como uma tool chamada weather-get_weather, executa a função quando o modelo pede e devolve o resultado. Use broadnet/glm-5.3 ou broadnet/qwen3.8-27b; a documentação da BroadNet lista ferramentas só para esses dois.
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)
A documentação da Microsoft traz este padrão para “other AI service providers that support the OpenAI chat completion API” (tradução: outros provedores de serviços de IA que suportam a API de chat completion da OpenAI). Não rodamos a versão em 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 o conector com dotnet add package Microsoft.SemanticKernel.Connectors.OpenAI.
Qual modelo escolher
| Uso | Modelo |
|---|---|
| Plugins, function calling, agentes | broadnet/glm-5.3 |
| Plugins com entrada de imagem ou texto em árabe | broadnet/qwen3.8-27b |
| Chat e resumos sem ferramentas, plano de preço fixo | broadnet/deepseek-v4.1-flash |
Como testamos
Em 2026-11-15 instalamos o semantic-kernel 1.47.0 para Python em um ambiente virtual limpo e rodamos chat simples, streaming, function calling automático e um ChatCompletionAgent contra um servidor mock local que fala o formato de chat completions da BroadNet. Lemos as requisições registradas. Todas foram para /v1/chat/completions com o ID de modelo da BroadNet sem alteração e uma chave Bearer. O max_tokens foi enviado com esse nome, o streaming adicionou stream_options.include_usage e o function calling enviou tool_choice: "auto". Não tínhamos uma chave da BroadNet, então não testamos a saída real do modelo. O trecho em C# vem da documentação da Microsoft e não foi executado.
Solução de problemas
- 401. A chave está errada, expirou ou ficou sem cota.
- 404. O
base_urldo cliente precisa terminar em/v1. Confira o ID do modelo. Os modelos pagos exigem uma recarga; o crédito de $5 cobre sóbroadnet/gemma-4-26b-a4be os dois modelos Transcribe. - Respostas vazias. No DeepSeek V4.1 Flash, GLM 5.3 e Qwen3.8 27B, o raciocínio conta no
max_tokens. Aumente o valor. Por que as respostas vêm vazias. - Modelos de raciocínio e papéis. A documentação da Microsoft sugere
instruction_role="developer"para modelos de raciocínio da OpenAI. A referência da API da BroadNet não menciona o papeldeveloper, então deixeinstruction_roleno padrão. No nosso teste, o agente enviou as instruções numa mensagemsystem. - 429. Uma chave de pagamento por uso permite 30 requisições por minuto e 4 em andamento. Veja erros e novas tentativas.
