---
title: "Semantic Kernel: conector OpenAI com endpoint próprio"
description: "Conecte o Microsoft Semantic Kernel à BroadNet Inference: em Python com um cliente AsyncOpenAI, em C# com um endpoint personalizado, para chat, plugins e agentes."
url: https://broadrouter.com/pt/guides/semantic-kernel-openai-compatible/
lang: pt-BR
updated: 2026-11-16
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Traduzido do inglês com ajuda de IA. [Leia o original em inglês](https://broadrouter.com/guides/semantic-kernel-openai-compatible/) (atualizado em 2026-11-16).

# Usar o Semantic Kernel com a BroadNet Inference

Atualizado em 2026-11-16

Em Python, crie um AsyncOpenAI com base\_url https://inference.broadnet.ai/v1 e a sua chave da BroadNet, e passe-o como async\_client ao OpenAIChatCompletion com ai\_model\_id definido como um ID da BroadNet, por exemplo broadnet/glm-5.3. Em C#, chame AddOpenAIChatCompletion com um endpoint Uri, que a Microsoft marca como experimental (SKEXP0010). Para plugins, use GLM 5.3 ou Qwen3.8 27B.

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

```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())
```

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

```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)
```

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

```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)

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#.

```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 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` |

[Preços de todos os modelos](https://broadrouter.com/pt/pricing/).

## 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_url` do cliente precisa terminar em `/v1`. Confira o ID do modelo. Os modelos pagos exigem uma recarga; o crédito de $5 cobre só `broadnet/gemma-4-26b-a4b` e 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](https://broadrouter.com/pt/guides/reasoning-tokens-empty-response/).
-   **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 papel `developer`, então deixe `instruction_role` no padrão. No nosso teste, o agente enviou as instruções numa mensagem `system`.
-   **429.** Uma chave de pagamento por uso permite 30 requisições por minuto e 4 em andamento. Veja [erros e novas tentativas](https://broadrouter.com/pt/guides/errors-and-retries/).

## Termos neste guia

[Tool calling (chamada de ferramentas)](https://broadrouter.com/pt/glossary/tool-calling/)

Tool calling, também chamado de function calling ou chamada de ferramentas, é um recurso de APIs de LLM em que o modelo devolve um pedido estruturado para executar uma função definida pelo desenvolvedor, com argumentos JSON. A aplicação executa a função e devolve o resultado; o modelo nunca executa código sozinho.

[Streaming](https://broadrouter.com/pt/glossary/streaming/)

Streaming é uma forma de devolver a resposta de um modelo de linguagem em pequenos pedaços enquanto ela ainda está sendo gerada, em vez de uma resposta única no final. APIs compatíveis com a OpenAI fazem streaming via server-sent events quando a requisição define stream como true.

[Pagamento por uso (pay-as-you-go)](https://broadrouter.com/pt/glossary/pay-as-you-go/)

Pagamento por uso é um modelo de preço em que você paga só pelo que usa, medido por unidade, como tokens, requisições ou minutos de áudio, sem assinatura nem compromisso mínimo. A maioria das APIs de LLM cobra assim, a partir de um saldo pré-pago ou de uma fatura periódica.

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

A Chat Completions API é o endpoint HTTP da OpenAI, POST /v1/chat/completions, que recebe o nome de um modelo e uma lista de mensagens marcadas com papéis e devolve a próxima mensagem do modelo. O formato da requisição e da resposta virou o padrão comum que provedores e SDKs compatíveis com a OpenAI reutilizam.

[Concorrência (concurrency)](https://broadrouter.com/pt/glossary/concurrency/)

Concorrência é o número de requisições que um cliente tem em andamento ao mesmo tempo. APIs de LLM muitas vezes a limitam por chave ou por plano, separadamente das requisições por minuto, porque cada requisição aberta ocupa capacidade de GPU até a resposta terminar.

[Rate limit (limite de taxa)](https://broadrouter.com/pt/glossary/rate-limit/)

Um rate limit é um teto que uma API impõe a quanto um cliente pode usá-la em um intervalo de tempo, como requisições por minuto ou tokens por minuto. As requisições acima do limite são recusadas, normalmente com HTTP 429 Too Many Requests, até que o uso volte a ficar abaixo dele.

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

Um agente de IA é um sistema em que um modelo de linguagem conduz os próprios passos rumo a um objetivo: decide quais ferramentas chamar, lê os resultados e repete até produzir uma resposta final ou atingir um limite. Um script fixo que chama um modelo em pontos definidos costuma ser chamado de workflow.

[Crédito pré-pago (prepaid credit)](https://broadrouter.com/pt/glossary/prepaid-credit/)

Crédito pré-pago é dinheiro adicionado a uma conta de API antes do uso. Cada requisição desconta o próprio custo do saldo e, quando o saldo acaba, as requisições cobradas por uso param até você fazer uma recarga. Ele limita o gasto ao que você já pagou.

## Perguntas frequentes

### Como defino uma base URL personalizada no Semantic Kernel para Python?

Na versão 1.47, o OpenAIChatCompletion não tem argumento base\_url. Crie um cliente openai.AsyncOpenAI com base\_url e api\_key e passe-o como async\_client. A partir daí, esse cliente envia todas as requisições para a BroadNet.

### Por que o endpoint personalizado em C# precisa de um pragma?

A documentação da Microsoft diz que usar endpoints personalizados com o conector OpenAI é experimental, então a sobrecarga com endpoint exige #pragma warning disable SKEXP0010.

### O function calling automático funciona com a BroadNet?

Ele usa tool calls padrão sobre chat completions, então use um modelo que a BroadNet lista com ferramentas: GLM 5.3 ou Qwen3.8 27B. No nosso teste com servidor mock, o Semantic Kernel enviou o plugin como tool e devolveu o resultado numa mensagem tool.

### O ChatCompletionAgent do Semantic Kernel funciona na BroadNet?

Sim. Ele usa o mesmo serviço OpenAIChatCompletion. No nosso teste em Python, enviou as instruções do agente como mensagem de sistema e chamou o plugin via chat completions.

## Guias relacionados

-   [Como usar o SDK Python da OpenAI com a BroadNet Inference](https://broadrouter.com/pt/guides/openai-python-sdk/)
-   [Rodar o OpenAI Agents SDK na BroadNet Inference](https://broadrouter.com/pt/guides/openai-agents-sdk-custom-provider/)
-   [Por que um modelo de raciocínio devolve uma resposta vazia](https://broadrouter.com/pt/guides/reasoning-tokens-empty-response/)
-   [Códigos de erro da BroadNet Inference e quando tentar de novo](https://broadrouter.com/pt/guides/errors-and-retries/)
-   [Todas as ferramentas que funcionam com a BroadNet Inference (em inglês)](https://broadrouter.com/integrations/): SDKs, agentes de programação, interfaces de chat e ferramentas de automação, com as configurações exatas de cada uma

Teste com a sua carga de trabalho real. Contas novas começam com US$ 5 de crédito para Gemma e transcrição. DeepSeek, GLM e Qwen3.8 exigem uma recarga.

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

**Fontes**

-   [Microsoft Learn, Add chat completion services to Semantic Kernel (atualizado em 2026-05-26, conferido em 2026-11-15)](https://learn.microsoft.com/en-us/semantic-kernel/concepts/ai-services/chat-completion/)
-   [Código-fonte do Semantic Kernel, OpenAIChatCompletion para Python em python-1.47.0 (conferido em 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 (conferido em 2026-11-15)](https://pypi.org/project/semantic-kernel/)
-   [Referência da API da BroadNet Inference (conferido em 2026-11-15) (em inglês)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=pt-guides-semantic-kernel-openai-compatible&utm_content=sources)
