该论文针对自治网络（Autonomous Networks）Level 4-5 中跨厂商 AI Agent 协作的安全信任问题展开研究。在高级别自治网络中，AI Agent 需要跨厂商边界调用各类管理工具，且无需人工干预。然而，现有 3GPP 网络资源管理（NRM）标准缺乏对工具信任状态的标准化可见性机制，导致当一个厂商（如 Vendor B）的工具被攻陷或出现信任降级时，其他厂商（如 Vendor A）的 Agent 依然会继续调用该工具，无法感知信任变化，从而引发级联服务影响。为此，作者提出 AgentToolMO——一个基于 3GPP NRM 的信息模型，用于跨厂商 Agent 工具信任管理。该模型包含四个核心组件：一是形式化定义的信任状态机，支持可证明的渐进式强制（graduated enforcement）策略；二是带阻尼的级联传播机制（damped cascade propagation），确保收敛有界；三是通过现有管理服务（MnS）接口发送跨厂商信任通知；四是基于 NRM 依赖图遍历的追溯性影响评估。作者通过多厂商拓扑仿真验证了该方案：相比传统无通知场景下数小时级别的未检测传播，标准化的跨厂商通知能将影响范围缩小至接近实时遏制，且遏制时延受限于 MnS 通知投递时间；级联收敛可在有界迭代内完成，通知扩展性呈亚线性特性。该框架完全运行在现有 3GPP 管理基础设施内，复用现有协议，为可信的多厂商自治网络管理提供了标准化路径。适合网络运维、标准制定者、AI 安全以及自治网络领域的研究人员阅读。