---
title: "کسٹم OpenAI-compatible base_url کے ساتھ LangGraph | BroadRouter"
description: "ChatOpenAI، base_url اور BroadNet ماڈل ID سے LangGraph کا StateGraph یا create_agent، BroadNet Inference پر چلائیں، ساتھ میں ٹولز، اسٹریمنگ اور میموری۔"
url: https://broadrouter.com/ur/guides/langgraph-openai-compatible/
lang: ur
updated: 2026-11-16
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

یہ صفحہ انگریزی سے AI کی مدد سے ترجمہ کیا گیا ہے۔ [انگریزی اصل پڑھیں](https://broadrouter.com/guides/langgraph-openai-compatible/) (اپ ڈیٹ: 2026-11-16).

# BroadNet Inference پر LangGraph ایجنٹس بنائیں

اپ ڈیٹ 2026-11-16

langgraph اور langchain-openai انسٹال کریں، پھر ChatOpenAI بنائیں: model میں broadnet/glm-5.3 جیسا BroadNet ID، base\_url میں https://inference.broadnet.ai/v1 اور api\_key میں اپنی BroadNet کلید۔ اس کے ساتھ اپنے ٹولز bind کریں اور اسے کسی StateGraph نوڈ میں استعمال کریں، یا langchain کے create\_agent کو دیں۔ GLM 5.3 یا Qwen3.8 27B چنیں، جن کے لیے BroadNet ٹولز درج کرتا ہے۔

LangGraph، LangChain کی لائبریری ہے جس سے اسٹیٹ رکھنے والے، کئی مرحلوں کے ایجنٹس گراف کی شکل میں بنتے ہیں۔ اس کا اپنا کوئی ماڈل کلائنٹ نہیں: آپ کے نوڈز LangChain کا کوئی چیٹ ماڈل کال کرتے ہیں۔ گراف کو BroadNet Inference پر چلانے کے لیے اسے `langchain-openai` کا `ChatOpenAI`، BroadNet کے base URL کے ساتھ دیں۔ BroadRouter، BroadNet کی اپنی سائٹ ہے؛ یہ گائیڈ LangGraph 1.2.22 اور langchain-openai 1.8 کے وقت کی LangGraph اور LangChain دستاویزات کے مطابق ہے۔

## انسٹال کریں

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

## ٹول کال کرنے والا گراف

```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)
```

ماڈل نوڈ BroadNet کو کال کرتا ہے۔ جب جواب میں ٹول کالز ہوں تو `tools_condition` گراف کو ٹول نوڈ پر بھیجتا ہے، اور ٹول کا نتیجہ واپس ماڈل کے پاس جاتا ہے۔ checkpointer ہر `thread_id` کی گفتگو محفوظ رکھتا ہے، اس لیے اسی config کے ساتھ دوسرا `invoke` گفتگو کو آگے بڑھاتا ہے۔

## گراف سے ٹوکنز اسٹریم کریں

```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)
```

`stream_mode="messages"` کے ساتھ `ChatOpenAI`، BroadNet کو `stream: true` بھیجتا ہے اور LangGraph ٹوکنز سیدھے آگے بڑھا دیتا ہے۔

## پہلے سے بنا (prebuilt) ایجنٹ

اگر آپ کو کسٹم گراف نہیں چاہیے تو prebuilt ایجنٹ لوپ بھی یہی ماڈل لیتا ہے:

```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?"}]})
```

`langgraph.prebuilt` کا `create_react_agent` LangGraph 1.2.22 میں اب بھی چلتا ہے، لیکن وارننگ دکھاتا ہے کہ وہ `langchain.agents.create_agent` میں منتقل ہو گیا ہے۔

## کون سا ماڈل چنیں

| گراف | ماڈل |
| --- | --- |
| ٹولز والے ایجنٹس، اسٹرکچرڈ آؤٹ پٹ | `broadnet/glm-5.3` (1,048,576 ٹوکن کا کانٹیکسٹ) |
| ٹولز کے ساتھ تصویری ان پٹ یا عربی متن | `broadnet/qwen3.8-27b` (262,144 ٹوکن کا کانٹیکسٹ) |
| ٹول کالز کے بغیر گراف، لمبی دستاویزات | `broadnet/deepseek-v4.1-flash` |

BroadNet کی دستاویزات ٹولز اور اسٹرکچرڈ آؤٹ پٹ صرف GLM 5.3 اور Qwen3.8 27B کے لیے درج کرتی ہیں۔ DeepSeek V4.1 Flash [لامحدود پلانز](https://broadrouter.com/ur/guides/unlimited-llm-api-sessions/) والا ماڈل ہے، اس لیے یہ ان summarise-and-route گرافس کے لیے موزوں ہے جو ٹولز کال نہیں کرتے۔ اس پر بھروسہ کرنے سے پہلے اس پر ٹول لوپ ٹیسٹ کر لیں۔ [ہر ماڈل کی قیمتیں](https://broadrouter.com/ur/pricing/)۔

## اہم سیٹنگز

-   **chat completions پر ہی رہیں۔** BroadNet `/v1/chat/completions` فراہم کرتا ہے۔ LangChain کی دستاویزات کہتی ہیں کہ جب آپ OpenAI کے بلٹ اِن ٹولز، conversation state یا `reasoning` پیرامیٹر استعمال کرتے ہیں تو `ChatOpenAI`، Responses API پر چلا جاتا ہے۔ انہیں چھوڑ دیں اور `use_responses_api=True` سیٹ نہ کریں۔
-   **آؤٹ پٹ کی حد۔** DeepSeek V4.1 Flash، GLM 5.3 اور Qwen3.8 27B پر ریزننگ آؤٹ پٹ بجٹ میں گنی جاتی ہے۔ ماڈل پر `max_tokens` کو 2,000 یا اس سے زیادہ رکھیں۔ ہمارے ٹیسٹ میں langchain-openai 1.8 نے اسے `max_completion_tokens` کے طور پر بھیجا۔
-   **متوازی شاخیں۔** ماڈل کو کال کرنے والی ہر شاخ ایک الگ درخواست ہے۔ استعمال کے مطابق ادائیگی والی کلید بیک وقت 4 جاری درخواستوں کی اجازت دیتی ہے، اور پلان سیشن ایک وقت میں ایک درخواست چلاتا ہے۔

## ہم نے اسے کیسے ٹیسٹ کیا

2026-11-15 کو ہم نے ایک صاف ورچوئل انوائرنمنٹ میں langgraph 1.2.22، langchain-openai 1.8.0 اور langchain 1.5.0 انسٹال کیے۔ ہم نے اوپر والا گراف، اسٹریمنگ لوپ اور `create_agent` ایک لوکل موک سرور کے سامنے چلائے جو BroadNet کی chat-completions ساخت میں جواب دیتا ہے اور ٹول کالز لوٹاتا ہے۔ ہم نے لاگ ہونے والی درخواستیں جانچیں۔ ہر کال `/v1/chat/completions` پر گئی، ماڈل ID `broadnet/glm-5.3` بغیر تبدیلی کے، Bearer کلید اور ٹول اسکیما کے ساتھ، اور ٹول کا نتیجہ `tool` پیغام کے طور پر واپس آیا۔ ہمارے پاس BroadNet کلید نہیں تھی، اس لیے ہم نے حقیقی ماڈل آؤٹ پٹ ٹیسٹ نہیں کیا۔

## مسائل کا حل

-   **401۔** کلید غلط ہے، اس کی میعاد ختم ہو گئی ہے یا الاؤنس ختم ہو گیا ہے۔
-   **404۔** `base_url` کے آخر میں `/v1` ہونا چاہیے۔ ماڈل ID کو `broadnet/` پری فکس کے ساتھ جانچیں۔ پیڈ ماڈلز کے لیے ٹاپ اپ چاہیے؛ $5 کریڈٹ پر صرف `broadnet/gemma-4-26b-a4b` اور دو Transcribe ماڈلز چلتے ہیں۔
-   **ایجنٹ کبھی ٹول کال نہیں کرتا۔** `broadnet/glm-5.3` یا `broadnet/qwen3.8-27b` پر جائیں۔
-   **خالی جوابات۔** آؤٹ پٹ بجٹ ریزننگ میں خرچ ہو گیا۔ `max_tokens` بڑھائیں۔ [جوابات خالی کیوں آتے ہیں](https://broadrouter.com/ur/guides/reasoning-tokens-empty-response/)۔
-   **429۔** استعمال کے مطابق ادائیگی والی کلید فی منٹ 30 درخواستوں کی اجازت دیتی ہے۔ `ChatOpenAI` میں `max_retries` شامل کریں اور [ایررز اور دوبارہ کوشش](https://broadrouter.com/ur/guides/errors-and-retries/) دیکھیں۔

## اس گائیڈ کی اصطلاحات

[استعمال کے مطابق ادائیگی (pay-as-you-go)](https://broadrouter.com/ur/glossary/pay-as-you-go/)

استعمال کے مطابق ادائیگی (pay-as-you-go) قیمت طے کرنے کا ایک ماڈل ہے جس میں آپ صرف اتنا دیتے ہیں جتنا استعمال کرتے ہیں، ٹوکن، درخواستوں یا آڈیو منٹ جیسی اکائیوں میں ناپ کر، بغیر سبسکرپشن یا کم از کم وابستگی کے۔ زیادہ تر LLM API اسی طرح بل بناتے ہیں، پری پیڈ بیلنس یا وقتاً فوقتاً بننے والی انوائس سے۔

[ٹوکن (token)](https://broadrouter.com/ur/glossary/token/)

ٹوکن متن کی وہ اکائی ہے جسے لینگویج ماڈل پڑھتا اور لکھتا ہے: کوئی لفظ، لفظ کا حصہ، رموزِ اوقاف کی کوئی علامت یا بائٹس کا سلسلہ، جو ماڈل کا ٹوکنائزر بناتا ہے۔ LLM API استعمال کو ٹوکنز میں گنتے ہیں، انہی میں حدیں لگاتے ہیں اور عموماً بل بھی بناتے ہیں۔

[AI ایجنٹ (AI agent)](https://broadrouter.com/ur/glossary/agent/)

AI ایجنٹ ایسا نظام ہے جس میں لینگویج ماڈل کسی ہدف کی طرف اپنے قدم خود طے کرتا ہے: کون سے ٹولز کال کرنے ہیں، یہ چنتا ہے، نتائج پڑھتا ہے اور حتمی جواب یا کسی حد تک دہراتا رہتا ہے۔ مقررہ مقامات پر ماڈل کو کال کرنے والی اسکرپٹ کو عموماً workflow کہا جاتا ہے۔

[اسٹرکچرڈ آؤٹ پٹ (structured output)](https://broadrouter.com/ur/glossary/structured-output/)

اسٹرکچرڈ آؤٹ پٹ LLM API کا ایک فیچر ہے جو ماڈل کے جواب کو ڈویلپر کے طے کردہ فارمیٹ، عموماً JSON Schema، تک محدود کرتا ہے، تاکہ کوڈ اسے قابلِ اعتماد طریقے سے پارس کر سکے۔ یہ JSON mode سے زیادہ سخت ہے، جو درست JSON کی ضمانت دیتا ہے، لیکن کسی خاص ساخت کی نہیں۔

[کنکرنسی (concurrency)](https://broadrouter.com/ur/glossary/concurrency/)

کنکرنسی، کسی کلائنٹ کی بیک وقت چل رہی (in-flight) درخواستوں کی تعداد ہے۔ LLM APIs اکثر اس کی حد ہر کلید یا پلان پر، فی منٹ درخواستوں سے الگ رکھتے ہیں، کیونکہ ہر کھلی درخواست جواب مکمل ہونے تک GPU کی گنجائش گھیرے رکھتی ہے۔

[base URL](https://broadrouter.com/ur/glossary/base-url/)

base URL کسی API کا مقررہ بنیادی پتہ ہے، جیسے https://api.example.com/v1، جسے کلائنٹ /chat/completions جیسے ہر اینڈپوائنٹ پاتھ کے آگے لگاتا ہے۔ OpenAI-compatible SDK میں base URL کو API کلید اور ماڈل ID کے ساتھ بدلنے سے وہی کوڈ کسی دوسرے فراہم کنندہ سے جڑ جاتا ہے۔

[اسٹریمنگ (streaming)](https://broadrouter.com/ur/glossary/streaming/)

اسٹریمنگ، لینگویج ماڈل کے جواب کو آخر میں ایک ساتھ لوٹانے کے بجائے، بنتے وقت ہی چھوٹے چھوٹے ٹکڑوں (chunks) میں لوٹانے کا طریقہ ہے۔ OpenAI-compatible APIs، درخواست میں stream کو true سیٹ کرنے پر server-sent events کے ذریعے اسٹریم کرتے ہیں۔

[پری پیڈ کریڈٹ (prepaid credit)](https://broadrouter.com/ur/glossary/prepaid-credit/)

پری پیڈ کریڈٹ وہ رقم ہے جو استعمال سے پہلے API اکاؤنٹ میں ڈالی جاتی ہے۔ ہر درخواست کی لاگت بیلنس سے کٹتی ہے، اور بیلنس ختم ہونے پر میٹر والی درخواستیں تب تک رک جاتی ہیں جب تک آپ ٹاپ اپ نہ کریں۔ اس سے خرچ اتنا ہی رہتا ہے جتنا آپ نے جمع کیا ہے۔

## عام سوالات

### کیا LangGraph کو BroadNet کے لیے الگ انٹیگریشن چاہیے؟

نہیں۔ LangGraph وہی چیٹ ماڈل چلاتا ہے جسے آپ کے نوڈز کال کرتے ہیں۔ LangChain کا ChatOpenAI استعمال کریں اور base\_url کو https://inference.broadnet.ai/v1 پر سیٹ کریں؛ پھر ماڈل کو کال کرنے والا ہر نوڈ chat completions کے ذریعے BroadNet پر جاتا ہے۔

### create\_react\_agent استعمال کروں یا create\_agent؟

LangGraph 1.2 میں langgraph.prebuilt کا create\_react\_agent اب بھی چلتا ہے، لیکن ایک deprecation وارننگ دکھاتا ہے جو langchain پیکیج کے create\_agent کی طرف اشارہ کرتی ہے۔ ہمارے موک سرور پر BroadNet جیسے ماڈل ID کے ساتھ دونوں چلے۔

### LangGraph ایجنٹ کے لیے BroadNet کا کون سا ماڈل درست ہے؟

GLM 5.3 (broadnet/glm-5.3) یا Qwen3.8 27B (broadnet/qwen3.8-27b)۔ ایجنٹ لوپ ٹول کالز پر منحصر ہے، اور BroadNet صرف انہی دو ماڈلز کے لیے ٹولز درج کرتا ہے۔

### میرا سیٹ کیا گیا max\_tokens، max\_completion\_tokens کے طور پر کیوں جاتا ہے؟

langchain-openai 1.8 درخواست میں max\_tokens کا نام بدل کر max\_completion\_tokens کر دیتا ہے۔ BroadNet کا API ریفرنس max\_tokens بیان کرتا ہے۔ اگر آؤٹ پٹ کی حد کا اثر نظر نہ آئے تو دیکھیں کہ آپ کی ایپ اصل میں کون سی درخواست بھیجتی ہے۔

## متعلقہ گائیڈز

-   [BroadNet Inference کے ساتھ LangChain استعمال کریں](https://broadrouter.com/ur/guides/langchain-openai-base-url/)
-   [BroadNet Inference پر OpenAI Agents SDK چلائیں](https://broadrouter.com/ur/guides/openai-agents-sdk-custom-provider/)
-   [ریزننگ ماڈل خالی جواب کیوں لوٹاتا ہے](https://broadrouter.com/ur/guides/reasoning-tokens-empty-response/)
-   [BroadNet Inference کے ایرر کوڈز اور دوبارہ کوشش کب کریں](https://broadrouter.com/ur/guides/errors-and-retries/)
-   [BroadNet Inference کے ساتھ کام کرنے والے تمام ٹولز (انگریزی میں)](https://broadrouter.com/integrations/): SDKs، کوڈنگ ایجنٹس، چیٹ انٹرفیس اور آٹومیشن ٹولز، ہر ایک کی درست سیٹنگز کے ساتھ

اسے اپنے اصل کام پر آزمائیں۔ نئے اکاؤنٹس Gemma اور ٹرانسکرپشن کے لیے US$5 کے کریڈٹ سے شروع ہوتے ہیں۔ DeepSeek، GLM، اور Qwen3.8 کے لیے ٹاپ اپ ضروری ہے۔

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

**ذرائع**

-   [LangGraph دستاویزات، Quickstart اور Graph API (2026-11-15 کو جانچا گیا)](https://docs.langchain.com/oss/python/langgraph/graph-api)
-   [LangChain دستاویزات، ChatOpenAI انٹیگریشن (2026-11-15 کو جانچا گیا)](https://docs.langchain.com/oss/python/integrations/chat/openai)
-   [PyPI، langgraph 1.2.22 (2026-11-15 کو جانچا گیا)](https://pypi.org/project/langgraph/)
-   [BroadNet Inference API ریفرنس (2026-11-15 کو جانچا گیا) (انگریزی میں)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ur-guides-langgraph-openai-compatible&utm_content=sources)
