---
title: "Semantic Kernel: коннектор OpenAI со своим эндпоинтом"
description: "Как подключить Microsoft Semantic Kernel к BroadNet Inference: в Python через клиент AsyncOpenAI, в C# через свой эндпоинт — для чата, плагинов и агентов."
url: https://broadrouter.com/ru/guides/semantic-kernel-openai-compatible/
lang: ru
updated: 2026-11-16
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Переведено с английского с помощью ИИ. [Читать оригинал на английском](https://broadrouter.com/guides/semantic-kernel-openai-compatible/) (обновлён 2026-11-16).

# Semantic Kernel и BroadNet Inference

Обновлено 2026-11-16

В Python создайте AsyncOpenAI с base\_url https://inference.broadnet.ai/v1 и ключом BroadNet и передайте его как async\_client в OpenAIChatCompletion, указав в ai\_model\_id ID BroadNet, например broadnet/glm-5.3. В C# вызовите AddOpenAIChatCompletion с endpoint типа Uri; Microsoft помечает это как экспериментальное (SKEXP0010). Для плагинов берите GLM 5.3 или Qwen3.8 27B.

Semantic Kernel — SDK от Microsoft для создания ИИ-приложений и агентов на C#, Python и Java. Его коннектор OpenAI работает и с другими OpenAI-совместимыми сервисами: в Python он принимает ваш собственный клиент OpenAI, а в C# — свой эндпоинт. BroadNet Inference отдаёт стандартные chat completions по адресу `https://inference.broadnet.ai/v1`, так что подходят оба пути. BroadRouter — собственный сайт BroadNet; руководство опирается на документацию Microsoft по Semantic Kernel и исходный код Python-версии 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())
```

`ai_model_id` отправляется без изменений, поэтому сохраняйте префикс `broadnet/`. Аргумент `api_key` у `OpenAIChatCompletion` не нужен, если вы передаёте клиент.

### Плагины и вызов функций

```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)
```

Semantic Kernel отправляет плагин как инструмент с именем `weather-get_weather`, выполняет его, когда модель об этом просит, и возвращает результат. Используйте `broadnet/glm-5.3` или `broadnet/qwen3.8-27b`: документация BroadNet указывает инструменты только для этих двух моделей.

### Агенты

```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)

Документация Microsoft приводит этот шаблон для “other AI service providers that support the OpenAI chat completion API” (перевод: «других поставщиков ИИ-сервисов, которые поддерживают API OpenAI chat completion»). Версию на C# мы не запускали.

```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();
```

Коннектор устанавливается командой `dotnet add package Microsoft.SemanticKernel.Connectors.OpenAI`.

## Какую модель выбрать

| Задача | Модель |
| --- | --- |
| Плагины, вызов функций, агенты | `broadnet/glm-5.3` |
| Плагины плюс вход изображений или текст на арабском | `broadnet/qwen3.8-27b` |
| Чат и резюме без инструментов, тариф с фиксированной ценой | `broadnet/deepseek-v4.1-flash` |

[Цены на все модели](https://broadrouter.com/ru/pricing/).

## Как мы это проверяли

2026-11-15 мы установили semantic-kernel 1.47.0 для Python в чистом виртуальном окружении и прогнали обычный чат, стриминг, автоматический вызов функций и `ChatCompletionAgent` на локальном mock-сервере, который отвечает в формате chat completions BroadNet. Мы прочитали записанные запросы. Все они ушли на `/v1/chat/completions` с неизменённым ID модели BroadNet и ключом Bearer. `max_tokens` передавался под этим именем, при стриминге добавлялся `stream_options.include_usage`, а вызов функций отправлял `tool_choice: "auto"`. Ключа BroadNet у нас не было, поэтому реальные ответы моделей мы не проверяли. Фрагмент на C# взят из документации Microsoft и не запускался.

## Решение проблем

-   **401.** Ключ неверен, истёк или на нём закончился лимит.
-   **404.** `base_url` клиента должен заканчиваться на `/v1`. Проверьте ID модели. Для платных моделей нужно пополнить баланс; грант $5 покрывает только `broadnet/gemma-4-26b-a4b`.
-   **Пустые ответы.** У DeepSeek V4.1 Flash, GLM 5.3 и Qwen3.8 27B рассуждения учитываются в `max_tokens`. Увеличьте его. [Почему ответы приходят пустыми](https://broadrouter.com/ru/guides/reasoning-tokens-empty-response/).
-   **Рассуждающие модели и роли.** Документация Microsoft советует `instruction_role="developer"` для рассуждающих моделей OpenAI. Справочник API BroadNet роль `developer` не упоминает, поэтому оставьте `instruction_role` по умолчанию. В нашем тесте агент отправлял инструкции в сообщении `system`.
-   **429.** Ключ с оплатой по факту допускает 30 запросов в минуту и 4 одновременно выполняемых. См. [ошибки и повторные запросы](https://broadrouter.com/ru/guides/errors-and-retries/).

## Термины в этом руководстве

[Вызов инструментов (tool calling)](https://broadrouter.com/ru/glossary/tool-calling/)

Вызов инструментов (function calling) — это функция LLM API, при которой модель возвращает структурированный запрос на выполнение функции, заданной разработчиком, с аргументами в JSON. Приложение выполняет функцию и отправляет результат обратно; сама модель код никогда не выполняет.

[Лимит запросов (rate limit)](https://broadrouter.com/ru/glossary/rate-limit/)

Лимит запросов (rate limit) — это ограничение, которое API накладывает на объём использования клиентом за отрезок времени, например число запросов или токенов в минуту. Запросы сверх лимита отклоняются, обычно с HTTP 429 Too Many Requests, пока использование снова не опустится ниже порога.

[Оплата по факту (pay-as-you-go)](https://broadrouter.com/ru/glossary/pay-as-you-go/)

Оплата по факту (pay-as-you-go) — это модель ценообразования, при которой вы платите только за то, что использовали, по счётчику в единицах вроде токенов, запросов или минут аудио, без подписки и минимальных обязательств. Так тарифицирует большинство LLM API — с предоплаченного баланса или по периодическому счёту.

[Параллельность (concurrency)](https://broadrouter.com/ru/glossary/concurrency/)

Параллельность (concurrency) — это число запросов, которые клиент одновременно держит в работе. LLM API часто ограничивают её на ключ или тариф отдельно от лимита запросов в минуту, потому что каждый открытый запрос занимает мощности GPU, пока ответ не будет готов.

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

Chat Completions API — это HTTP-эндпоинт OpenAI, POST /v1/chat/completions, который принимает имя модели и список сообщений с ролями и возвращает следующее сообщение модели. Формат его запроса и ответа стал общим стандартом, который повторяют OpenAI-совместимые провайдеры и SDK.

[Безлимитный тариф LLM (flat-rate LLM plan)](https://broadrouter.com/ru/glossary/flat-rate-llm-plan/)

Безлимитный тариф LLM, или тариф с фиксированной ценой, — это доступ к API языковой модели за фиксированную плату за период, например месяц, вместо оплаты за токены. Обычно такие тарифы ограничивают что-то другое — параллельность, скорость, набор моделей или окна использования, поэтому ограничения важны не меньше цены.

[ИИ-агент (AI agent)](https://broadrouter.com/ru/glossary/agent/)

ИИ-агент — это система, в которой языковая модель сама направляет свои шаги к цели: решает, какие инструменты вызвать, читает результаты и повторяет, пока не выдаст итоговый ответ или не упрётся в лимит. Фиксированный сценарий, который вызывает модель в заранее заданных местах, обычно называют не агентом, а workflow.

## Вопросы и ответы

### Как задать свой базовый URL в Semantic Kernel для Python?

В версии 1.47 у OpenAIChatCompletion нет аргумента base\_url. Создайте клиент openai.AsyncOpenAI с base\_url и api\_key и передайте его как async\_client. Тогда этот клиент будет отправлять все запросы в BroadNet.

### Зачем своему эндпоинту в C# нужна директива pragma?

Документация Microsoft называет использование своих эндпоинтов с коннектором OpenAI экспериментальным, поэтому перегрузке с endpoint нужна строка #pragma warning disable SKEXP0010.

### Работает ли автоматический вызов функций с BroadNet?

Он использует стандартные вызовы инструментов через chat completions, поэтому берите модель, для которой BroadNet указывает инструменты: GLM 5.3 или Qwen3.8 27B. В нашем тесте с mock-сервером Semantic Kernel отправил плагин как инструмент и вернул результат в сообщении tool.

### Работает ли ChatCompletionAgent из Semantic Kernel на BroadNet?

Да. Он принимает тот же сервис OpenAIChatCompletion. В нашем тесте на Python он отправил инструкции агента как системное сообщение и вызвал плагин через chat completions.

## Похожие руководства

-   [OpenAI Python SDK и BroadNet Inference](https://broadrouter.com/ru/guides/openai-python-sdk/)
-   [OpenAI Agents SDK на BroadNet Inference](https://broadrouter.com/ru/guides/openai-agents-sdk-custom-provider/)
-   [Почему рассуждающая модель возвращает пустой ответ](https://broadrouter.com/ru/guides/reasoning-tokens-empty-response/)
-   [Коды ошибок BroadNet Inference и когда повторять запрос](https://broadrouter.com/ru/guides/errors-and-retries/)
-   [Все инструменты, которые работают с BroadNet Inference (на английском)](https://broadrouter.com/integrations/): SDK, агенты для программирования, чат-интерфейсы и инструменты автоматизации с точными настройками для каждого

Проверьте на своей реальной нагрузке. Новые аккаунты получают стартовый грант US$5 на Gemma и распознавание речи. Для DeepSeek, GLM и Qwen3.8 нужно пополнить баланс.

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

**Источники**

-   [Microsoft Learn, Add chat completion services to Semantic Kernel (обновлено 2026-05-26, дата обращения 2026-11-15)](https://learn.microsoft.com/en-us/semantic-kernel/concepts/ai-services/chat-completion/)
-   [Исходный код Semantic Kernel, OpenAIChatCompletion для Python в python-1.47.0 (дата обращения 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 (дата обращения 2026-11-15)](https://pypi.org/project/semantic-kernel/)
-   [Справочник API BroadNet Inference (дата обращения 2026-11-15) (на английском)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ru-guides-semantic-kernel-openai-compatible&utm_content=sources)
